Análisis Real de Una Variable

An
alisis de una variable real I
Tijani Pakhrou
Indice general
1. Introducci
on axiom
atica de los n
umeros
1.1. N
umeros naturales . . . . . . . . . . . . . . . . . . .
1.1.1. Axiomas de Peano . . . . . . . . . . . . . . .
1.1.2. Definicion de la suma y del producto . . . . .
1.1.3. Axiomas de la suma y del producto . . . . . .
1.1.4. Axiomas de orden . . . . . . . . . . . . . . . .
1.2. N
umeros enteros . . . . . . . . . . . . . . . . . . . .
1.2.1. Definicion de los n
umeros enteros . . . . . . .
1.2.2. Definicion de la suma y del producto . . . . .
1.2.3. Propiedades de la suma y del producto . . . .
1.2.4. Ordenacion de los enteros . . . . . . . . . . .
1.3. N
umeros racionales . . . . . . . . . . . . . . . . . . .
1.3.1. Definicion de los n
umeros racionales . . . . . .
1.3.2. Propiedades de la suma y del producto . . . .
1.3.3. Ordenacion de los n
umeros racionales . . . . .
1.4. Axiomas de cuerpo . . . . . . . . . . . . . . . . . . .
1.5. Axiomas de orden . . . . . . . . . . . . . . . . . . . .
1.6. Supremo, nfimo, maximo y mnimo . . . . . . . . . .
1.7. Caracter incompleto de Q . . . . . . . . . . . . . .
1.8. Axioma del supremo . . . . . . . . . . . . . . . . . .
1.9. N
umeros reales . . . . . . . . . . . . . . . . . . . . .
1.9.1. Propiedad arquimediana de los n
umeros reales
1.9.2. Parte entera de un n
umero real . . . . . . . .
1.9.3. Densidad de Q en R . . . . . . . . . . . . . .
1.10. N
umeros irracionales . . . . . . . . . . . . . . . . . .
1.10.1. Existencia de races cuadradas . . . . . . . . .
1.10.2. Densidad de I en R . . . . . . . . . . . . . . .
1.11. Intervalos en R . . . . . . . . . . . . . . . . . . . . .
1.12. Valor absoluto de un n
umero real . . . . . . . . . . .
1.13. Principio de Induccion . . . . . . . . . . . . . . . . .
iii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
1
2
3
3
4
4
5
6
6
7
7
8
10
11
13
15
17
20
20
21
22
22
23
24
25
26
27
28
1.13.1. Primera version del principio de induccion . . . . . . . . . . . 28

1.13.2. Segunda version del principio de induccion . . . . . . . . . . . 30
1.14. Numerabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2. Sucesiones de n
umeros reales
2.1. Definiciones y terminologa . . . . . . .
2.1.1. Sucesiones . . . . . . . . . . . .
2.1.2. Sucesiones monotonas . . . . .
2.1.3. Subsucesiones . . . . . . . . . .
2.2. Lmite de una sucesion. Convergencia .
2.3. Propiedades elementales de los lmites .
2.4. Lmites y desigualdades . . . . . . . .
2.5. Teorema de los intervalos encajados . .
2.6. Teorema de Bolzano-Weierstrass . . . .
2.7. Sucesiones de Cauchy . . . . . . . . . .
2.8. Lmites infinitos . . . . . . . . . . . . .
2.9. Criterios para el calculo de lmites . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3. Funciones de una variable real

3.1. Topologa de R . . . . . . . . . . . . . . . . . . .
3.1.1. Conjuntos abiertos . . . . . . . . . . . . .
3.1.2. Puntos interiores . . . . . . . . . . . . . .
3.1.3. Puntos adherentes . . . . . . . . . . . . .
3.1.4. Conjuntos cerrados . . . . . . . . . . . . .
3.1.5. Puntos de acumulacion . . . . . . . . . . .
3.1.6. Algunas relaciones . . . . . . . . . . . . .
3.1.7. Conjuntos compactos . . . . . . . . . . . .
3.2. Aplicaciones entre conjuntos . . . . . . . . . . . .
3.2.1. Correspondencias y aplicaciones . . . . . .
3.2.2. Tipos de aplicaciones . . . . . . . . . . . .
3.2.3. Imagen directa y inversa de una aplicacion
3.2.4. Composicion de aplicaciones . . . . . . . .
3.3. Funciones reales de una variable real . . . . . . .
3.4. Funciones crecientes y decrecientes . . . . . . . .
3.5. Lmite de una funcion en un punto . . . . . . . .
3.6. Lmites infinitos y lmites en el infinito . . . . . .
3.7. Caracterizacion del lmite por sucesiones . . . . .
3.8. Calculo de lmites . . . . . . . . . . . . . . . . . .
3.9. Lmites y desigualdades . . . . . . . . . . . . . .
3.10. Propiedades locales del lmite . . . . . . . . . . .
3.11. Lmite de la funcion compuesta . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
35
35
35
36
37
39
45
47
50
52
54
55
56
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
59
59
59
59
61
61
64
65
68
69
69
69
70
70
71
71
72
73
76
78
78
80
81
3.12. Lmites laterales . . . . . . . . . . . . . . .

3.13. Funciones equivalentes en un punto . . . .
3.14. Condicion de Cauchy para funciones . . .
3.15. Lmites de restricciones . . . . . . . . . . .
3.16. Funciones continuas . . . . . . . . . . . . .
3.17. Continuidad de la funcion compuesta . . .
3.18. Continuidad en intervalos . . . . . . . . .
3.19. Teoremas fundamentales . . . . . . . . . .
3.19.1. Teorema de Bolzano . . . . . . . .
3.19.2. Teorema de los valores intermedios
3.19.3. Teorema de acotacion . . . . . . . .
3.19.4. Teoremas de Weierstrass . . . . . .
3.20. Funciones monotonas y continuidad . . . .
3.21. Clasificacion de discontinuidades . . . . . .
3.22. Continuidad uniforme . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
4. Derivabilidad
4.1. La derivada . . . . . . . . . . . . . . . . . . . . . .
4.2. Significado de la derivada . . . . . . . . . . . . . .
4.3. Tecnicas para el calculo de derivadas . . . . . . . .
4.3.1. Reglas basicas de derivacion . . . . . . . . .
4.3.2. Derivadas de algunas funciones . . . . . . .
4.3.3. Derivadas de funciones definidas a trozos .
4.4. La regla de la cadena . . . . . . . . . . . . . . . . .
4.5. Funciones inversas . . . . . . . . . . . . . . . . . .
4.6. Teorema de los valores intermedios para la derivada
4.7. Teorema de Rolle . . . . . . . . . . . . . . . . . . .
4.8. Teorema del Valor Medio . . . . . . . . . . . . . . .
4.9. Aplicaciones del Teorema del Valor Medio . . . . .
4.10. Monotona local de una funcion . . . . . . . . . . .
4.11. Monotona en un conjunto . . . . . . . . . . . . . .
4.12. Teorema de Cauchy . . . . . . . . . . . . . . . . . .
4.12.1. Regla de LHopital (caso 00 ) . . . . . . . . .
4.12.2. Regla de LHopital (caso
) . . . . . . . . .
4.13. Aproximacion polinomica local . . . . . . . . . . . .

4.13.1. Desarrollo de Taylor . . . . . . . . . . . . .
4.13.2. Teorema de Taylor . . . . . . . . . . . . . .
4.14. Convexidad y concavidad . . . . . . . . . . . . . . .
4.15. Maximos y Mnimos locales . . . . . . . . . . . . .
4.15.1. Condicion necesaria de extremos locales . .
4.15.2. Condicion suficiente de extremos locales . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
83
87
88
90
91
93
94
95
95
97
98
99
100
103
105
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
111
. 111
. 112
. 114
. 115
. 117
. 118
. 120
. 122
. 124
. 124
. 124
. 125
. 128
. 129
. 130
. 131
. 132
. 137
. 137
. 139
. 140
. 144
. 145
. 145
4.16. Extremos absolutos . . . . . . . . . . . . . . . . . . . . . . . . .

4.16.1. Como determinar los extremos absolutos en un intervalo
4.16.2. Aplicaciones: Maximizar y Minimizar . . . . . . . .
4.17. Asntotas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.18. Esquema-Resumen para la representacion grafica de funciones .
. .
I?
. .
. .
. .
.
.
.
.
.
149
150
153
155
157
Captulo 1
Introducci
on axiom
atica de
los n
umeros
1.1.
1.1.1.
N
umeros naturales
Axiomas de Peano
Definici
on 1.1.1 (Axiomas de Peano). Se llama conjunto de los n
umeros
naturales, y se denota por N, a cualquier conjunto que verifica las cinco condiciones siguientes:
(1) Existe un elemento de N al que llamaremos uno 1, esto es, 1 N.
(2) Para cada n
umero n N existe otro n
umero natural u
nico, ns , que se llama
sucesor de n.
(3) El 1 no es el sucesor de ning
un n
umero natural. (n N, ns 6= 1).
(4) Sean n, m N, entonces:
ns = ms n = m.
(5) Principio de inducci
on matem
atica:
Sea A un subconjunto de N. Si
1 A, y
para cada elemento n A, se tiene que ns A
1

entonces A = N.
2
Observaci
on 1.1.2. Los n
umeros naturales son los n
umeros 1, 2, 3, . . .
Observaci
on 1.1.3. A partir de estas cinco condiciones, y usando sistematicamente
el quinto axioma, de la induccion, podemos probar todas las propiedades del conjunto
N.
1.1.2.
Definici
on de la suma y del producto
Definici
on 1.1.4 (Axioma de la suma). Definimos la suma de n
umeros naturales
como una aplicacion
S : N N N,
de modo que para cada (n, m) N N, tenemos S(n, m) N y se cumple que
S(1, n) = ns ,

S(ns , m) = S(n, m) s .
Notaci
on 1. Representaremos en adelante la suma de dos elementos de N, n y m,
en la manera habitual:
S(n, m) = n + m,
y las dos condiciones de la definicion seran, con esta notacion:
1 + n = ns ,
ns + m = (n + m)s .
Definici
on 1.1.5 (Axioma del producto). Definimos el producto de n
umeros
naturales como una aplicacion
P : N N N,
de modo que para cada (n, m) N N, tenemos P (n, m) N y se cumple que
P (1, n) = n,
P (ns , m) = P (n, m) + m.
Notaci
on 2. Representaremos en adelante el producto de dos elementos de N, n y
m, en la manera habitual:
P (n, m) = n m o nm
(si no hay lugar a confusion).
y las dos condiciones de la definicion seran, con esta notacion:
1 n = n,
ns m = n m + m.
1.1.3.
Axiomas de la suma y del producto
Axioma 1.1.6. Sean n, m, p N.

(1) Asociativa de la suma:
(n + m) + p = n + (m + p).
(2) Conmutativa de la suma:
n + m = m + n.
(3) Asociativa del producto:
(n m) p = n (m p).
(4) Conmutativa del producto:
n m = m n.
(5) Existencia de elemento neutro:
n 1 = 1 n = n, 1 es el elemento neutro para el producto
(6) Distributiva del producto respecto de la suma:
n (m + p) = n m + n p.
1.1.4.
Axiomas de orden
Los n
umeros naturales pueden ordenarse mediante la relacion ser menor
o igual que, que se representa por .
Definici
on 1.1.7.
Se define la relacion menor o igual que () del modo siguiente:
n, m N, n m n = m o
en estas circunstancias d se designa
d = n m,
y se llama diferencia de n a m.
d N : n + d = m,
4
Se define la relacion mayor o igual que () de la forma:
n, m N, n m m n.
Se define la relacion menor estrictamente que (<) como:
n, m N, n < m n m y n 6= m.
Se define la relacion mayor estrictamente que (>) de la manera:
n, m N, n > m m < n.
Axioma 1.1.8. La relacion satisface los siguientes axiomas:
(7) Reflexiva: n n para todo n N.
(8) Antisim
etrica: si n m y m n, entonces n = m
para todos n, m N.
(9) Transitiva: si n m y m p, entonces n p
para todos n, m, p N.
(10) Orden total: dos naturales cualesquiera n y m siempre son comparables, esto
es, bien n m, bien m n.
Definici
on 1.1.9. Por satisfacer las tres primeras propiedades, se dice que es
una relaci
on de orden en N, y por satisfacer ademas la cuarta, se dice que es una
relaci
on de orden total.
Axioma 1.1.10 (Principio de buena ordenaci
on). Todo conjunto no vaco de
n
umeros naturales posee un elemento mnimo, es decir, dado un subconjunto S N
no vaco, existe un elemento m en S tal que m n para todo n S.
1.2.
1.2.1.
N
umeros enteros
Definici
on de los n
umeros enteros
Se trata ahora de obtener el conjunto que denotamos Z de los n

umeros enteros
apoyandose en el ya conocido N.
5
Definici
on 1.2.1. Definimos la aplicacion
: N N Z,
de la forma siguiente: para cada par ordenado de n
umeros naturales (n, m), le asociamos un elemento:
el entero positivo
nm
si
n>m
elemento neutro (cero)

0
si
n=m
(n, m) =
el entero negativo
(m n)
si
n<m
Observaci
on 1.2.2. Se observa as que a pares distintos puede asociarse el mismo
n
umero entero n. Precisamente, se establece que la coleccion de tales pares constituye
la identidad de n.
Ejemplo 1.2.3. El n
umero 3 significa dos cosas: un n
umero natural y el entero
positivo asociado mediante la aplicacion a:

(4, 1), (5, 2), (6, 3), . . . ,
y los nuevos objetos 0 y 3 son, respectivamente,

(1, 1), (2, 2), (3, 3), . . .
y

(1, 4), (2, 5), (3, 6), . . . .
Resumen 1.2.4. Los n

umeros enteros son:
, 5, 4, 3, 2, 1, 0, 1, 2, 3, 4, 5,
El conjunto de los n
umeros enteros es:

Z = a = (n, m) : (n, m) N N .
1.2.2.
Definici
on de la suma y del producto
Definici
on 1.2.5. Sean (n, m) y (p, q) dos pares ordenados de n
umeros naturales.
La suma +:
(n, m) + (p, q) = (n + p, m + q).
El producto :
(n, m) (p, q) = (np + mq, mp + nq).
Observaci
on 1.2.6. Estas definiciones coinciden con las de N cuando se trata de
enteros positivos y son independientes de la eleccion del par ordenado que representa
a cada n
umero.
1.2.3.
Propiedades de la suma y del producto
Observaci
on 1.2.7. Los axiomas de la suma y del producto para los n
umeros naturales tambien los cumplen los n
umeros enteros.
Proposici
on 1.2.8.
(11) Elemento neutro (cero) para la suma: hay un n
umero entero, que denotamos por 0, tal que
0+a=a+0=a
para cualquier entero a.
(12) Elemento opuesto para la suma: para cada entero a hay otro n
umero
entero (y solo uno), que denotamos por a, tal que
(a) + a = a + (a) = 0.
Demostracion. Es inmediato basta aplicar la definicion.
1.2.4.
Ordenaci
on de los enteros
Definici
on 1.2.9 (Ordinaci
on). Sean (n, m) y (p, q) dos pares ordenados de n
umeros
naturales.
(n, m) (p, q) significa n + q m + p.
Observaci
on 1.2.10. Los axiomas del orden para los n
umeros naturales tambien
los cumplen los n
umeros enteros.
Proposici
on 1.2.11. Otros propiedades de la relacion para los n
umeros enteros
son los siguientes:
(13) Sean a, b Z. Si a b, entonces a + c b + c para todo c Z.
(14) Sean a, b, c Z. Si a b y 0 c, entonces a c b c.
Definici
on 1.2.12. Sea S un subconjunto de Z.
Se dice que S esta acotado inferiormente si existe un
n
umero M Z tal que
M z
para todo z S.
7
Se dice que S esta acotado superiormente si existe un
n
umero N Z tal que
zN
para todo z S.
Axioma 1.2.13 (Principio de buena ordenaci

on). Todo subconjunto, S, no
vaco, de Z que este acotado inferiormente contiene un elemento mnimo, es decir,
existe un entero a S tal que a z para todo z S.
Teorema 1.2.14. Todo subconjunto, A, no vaco, de Z que este acotado superiormente contiene un elemento m
aximo, es decir, existe un entero b A tal que z b
para todo z A.
Demostracion. Sea A un subconjunto de Z, no vaco y acotado superiormente. Entonces el conjunto
A = {a : a A}
de los n
umeros opuestos de los de A, no vaco y es acotado inferiormente. Por el
Axioma 1.2.13, existe un n
umero m A tal que
m a a A.
Luego
a m a A.
Por tanto el n
umero m es el maximo de A.
Observaci
on 1.2.15. En Z puede hablarse del siguiente a un n
umero entero, en el
sentido de que entre n y n + 1 no hay ning
un otro n
umero entero.
1.3.
1.3.1.
N
umeros racionales
Definici
on de los n
umeros racionales
La division es una operacion aritmetica consiste en averiguar cuantas veces un

n
umero (el divisor) esta contenido en otro n
umero (el dividendo).
Al resultado entero de la division se denomina cociente y si la division no es exacta, es decir, el divisor no esta contenido un n
umero exacto de veces en el dividendo,
la operacion tendra un resto o residuo, donde:
dividendo = cociente divisor + resto.
8
Definici
on 1.3.1. Sean a, b Z tal que b 6= 0. La expresion ab denota el resultado
de dividir a (el dividendo) por b (el divisor) lo cual tambien se escribe ab es decir:
ab=
La expresion
a
b
a
.
b
se llama fracci
on, y se lee a sobre b.
Definici
on 1.3.2. Dos fracciones
a
b
a0
b0
son equivalentes significa que
ab0 = a0 b.
Definici
on 1.3.3. La coleccion de todas las fracciones que son equivalentes entre
s se llama n
umero racional, y el conjunto de todos ellos se designa por Q, es
decir:
o
na
: a, b Z y b 6= 0 .
Q=
b
Definici
on 1.3.4. La suma y el producto en Q se define mediante:
La suma +:
a c
ad+bc
+ =
.
b d
bd
El producto :
1.3.2.
a c
ac
=
.
b d
bd
Propiedades de la suma y del producto
Proposici
on 1.3.5. Sean x, y, z Q.
(x + y) + z = x + (y + z).
x + y = y + x.
(3) Existencia de elemento neutro para la suma:
x + 0 = 0 + x = x.
9
(4) Existencia de elemento opuesto para la suma:
x + (x) = x + x = 0.
si rs representa
El elemento x se llama opuesto de x, y esta definido por r
s
a x. El n
umero x + (y) se designa tambien x y y es el u
nico z que verifica
x = z + y.
(x y) z = x (y z).
x y = y x.
(7) Existencia de elemento neutro para el producto:
x 1 = 1 x = x.
x (y + z) = x y + x z.
(9) Existencia de elemento inverso para el producto:
Si x 6= 0 existe x1 tal que
x x1 = x1 x = 1.
El elemento x1 se llama inverso de x, y esta definido por rs si rs representa
a x. El n
umero x y 1 , y 6= 0, se designa tambien x y = xy , y es el u
nico z
tal que x = z y.
Definici
on 1.3.6.
Los cuatro propiedades implican que (Q, +) es un grupo conmutativo.
Las ocho primeras nos dice que (Q, +, ) es un anillo conmutativo.
Las nueve axiomas significan que (Q, +, ) es un cuerpo conmutativo.
10
1.3.3.
Ordenaci
on de los n
umeros racionales
Definici
on 1.3.7. La fraccion ab se llama positiva si ab > 0, y es facil comprobar
que la suma y el producto de fracciones positivas lo son tambien. La coleccion de
todas fracciones positivos se designa por Q+ . Que x Q+ se denota tambien x > 0.
Axioma 1.3.8. Cada n
umero racional x verifica una y solo una de las relaciones
x > 0,
x = 0,
x > 0.
Definici
on 1.3.9.
x, y Q, x > y x y > 0.
x, y Q, x y x = y o
x > y.
Se define la relacion menor o igual que () del modo siguiente:

x, y Q, x y y x.
x, y Q, x < y y > x.
Proposici
on 1.3.10. Sean x, y, z Q.
(10) Reflexiva:
x x.
(11) Antisim
etrica:
Si
xy e
yx
entonces
x = y.
Si
xy e
yz
entonces
x z.
(12) Transitiva:
(13) Orden total:

xy
o bien
y x.
11
(14) Compatibilidad del orden con la suma:
Si
x y entonces
x + z y + z.
(15) Compatibilidad del orden con el producto por elementos no negativos:

Si x y e z 0 entonces x z y z.
Definici
on 1.3.11. Las 15 propiedades implican que (Q, +, , ) es un cuerpo conmutativo totalmente ordenado.
Proposici
on 1.3.12. En Q no podemos hablar de siguiente de un racional.
Demostracion. Sean a, b Q con a < b, entonces:
a=
a+a
a+b
b+b
2b
2a
=
<
<
=
=b
2
2
2
2
2
Con lo que entre cualesquiera dos racionales distintos hay infinitos racionales distintos.
1.4.
Axiomas de cuerpo
Definici
on 1.4.1. Un cuerpo es un conjunto A en el que hay definidas dos operaciones suma + : A A A y producto : A A A, y dos elementos
0 6= 1 que cumplen los siguientes axiomas:
Si x, y, z son elementos del conjunto A, entonces:
(x + y) + z = x + (y + z).
x + y = y + x.
(3) Existencia de elemento neutro para la suma:
El n
umero 0 es un elemento neutro para la suma, es decir:
x + 0 = 0 + x = x.
12
(4) Existencia de elemento opuesto para la suma:
Para cada x A existe un elemento x A, que se llama opuesto de x, tal
que
x + (x) = x + x = 0.
(x y) z = x (y z).
x y = y x.
(7) Existencia de elemento neutro para el producto:
El n
umero 1 es un elemento neutro para el producto, es decir:
x 1 = 1 x = x.
x (y + z) = x y + x z.
(9) Existencia de elemento inverso para el producto:
Si x 6= 0 existe x1 tal que
x x1 = x1 x = 1.
El elemento x1 se llama inverso de x.
Definici
on 1.4.2.
Los cuatro propiedades implican que (A, +) es un grupo conmutativo.
Las ocho primeras nos dice que (A, +, ) es un anillo conmutativo.
Las nueve axiomas significan que (A, +, ) es un cuerpo conmutativo.
Ejemplo 1.4.3. Los conjuntos (N, +, ) y (Z, +, ) no son cuerpos. El conjunto
(Q, +, ) s lo es.
Ejercicio 1.4.4. Sea (A, +, ) un cuerpo conmutativo. Demostrar que para cada
a A tenemos a 0 = 0.
13
Soluci
on. Observamos que no se puede deducir inmediatamente de los axiomas.
Sea a A se tiene que
a 0 = a (0 + 0) = a 0 + a 0.
Por otra parte tenemos que

a 0 = a 0 + 0 = a 0 + a 0 + (a 0)
= (a 0 + a 0) + (a 0).
Utilizando la igualdad anterior queda
a 0 = (a 0 + a 0) + (a 0) = a 0 + (a 0) = 0.
Notaci
on 3. Representaremos en adelante el producto de dos elementos de A, a y
b, en la manera habitual:
a b = ab
si no hay lugar a confusion.
1.5.
Axiomas de orden
Definici
on 1.5.1. Una relaci
on en un conjunto A es un subconjunto de A A.
Observaci
on 1.5.2. En el conjunto Q, hay una relacion que ordena los n
umeros
racionales, y tiene propiedades bien conocidas. Estas propiedades motivan la siguiente definicion general:
Definici
on 1.5.3. Un cuerpo (A, +, ) es un cuerpo ordenado si hay una relacion
definida en A que cumple los siguientes axiomas:
Si x, y, z son elementos del conjunto A, entonces:
(10) Reflexiva:
x x.
(11) Antisim
etrica:
Si
xy e
yx
entonces
x = y.
Si
xy e
yz
entonces
x z.
(12) Transitiva:
(13) Orden total:
xy
o bien
y x.
14
(14) Compatibilidad del orden con la suma:
Si
x y entonces
x + z y + z.
(15) Compatibilidad del orden con el producto por elementos no negativos:

Si x y e z 0 entonces xz yz.
Definici
on 1.5.4.
A la relacion se la denomina relaci
on de orden.
Los 15 axiomas significan que (A, +, , ) es un cuerpo conmutativo totalmente ordenado.
Definici
on 1.5.5. Sea (A, +, , ) es un cuerpo conmutativo totalmente ordenado.
x, y A, x < y x y y x 6= y.
x, y A, x y y x.
x, y A, x > y y < x.
Definici
on 1.5.6. Sea (A, +, , ) es un cuerpo conmutativo totalmente ordenado y
x A.
Se dice que x es positivo si x > 0, y A+ designa al conjunto de los n
umeros
positivos.
Se dice que x es negativo si x < 0.
Se dice que x es no negativa si x 0, o que es no positivo si x 0.
15
1.6.
Supremo, nfimo, m
aximo y mnimo
Definici
on 1.6.1. Sea (A, +, , ) es un cuerpo conmutativo totalmente ordenado y
B un subconjunto de A.
Se dice que B esta acotado superiormente si existe alg
un elemento x0 A
tal que
a B, a x0 ,
y que x0 se una cota superior del conjunto B.
Se dice que B esta acotado inferiormente si existe alg
un elemento x0 A
tal que
a B, x0 a,
y que x0 se una cota inferior del conjunto B.
Diremos que B esta acotado si esta acotado superiormente e inferiormente.
Un elemento x0 se dice supremo de B, que se designa
x0 = sup B,
si x0 es la menor de las cotas superiores, es decir: si

a B, a x0 , y
entonces x0 x1 .
a B, a x1 , donde x1 A
Un elemento x0 se dice nfimo de B, que se designa
x0 = nf B,
si x0 es la mayor de las cotas inferiores, es decir: si

a B, x0 a, y
entonces x1 x0 .
a B, x1 a, donde x1 A
Un elemento x0 se dice m
aximo de B, que se designa
x0 = max B,
si x0 es una cota superior y pertenece al conjunto B esto es

a B, a x0 , y
x0 B.
16
Un elemento x0 se dice mnimo de B, que se designa
x0 = mn B,
si x0 es una cota inferior y pertenece al conjunto A esto es

a B, x0 a, y
x0 B.
Observaci
on 1.6.2.
x0 = sup B = mn{x A : a x a B}.
x0 = nf B = max{x A : x a a B}.
nf B = sup(B), donde
B = {a : a B} = {a : a B}.
Definici
on 1.6.3. Sea (A, +, , ) es un cuerpo conmutativo totalmente ordenado.
Si x, y A, se define

x si x y,
mn{x, y} =
y si x > y.

y si x y,
max{x, y} =
x si x > y.
Proposici
on 1.6.4 (Caracterizaci
on de supremo y de nfimo). Sea (A, +, , )
es un cuerpo conmutativo totalmente ordenado y B un subconjunto de A. Entonces
a B, a x0 , y
1)
x0 = sup B
> 0, a0 B : x0 < a0 .
a B, x0 a, y
2)
x0 = nf B
> 0, a0 B : a0 < x0 + .
Demostracion. 1)
Si x0 = sup B, entonces x0 es una cota superior de B y dado > 0, x0 no
puede ser cota superior de A, luego existe a0 B tal que
x0 < a0 .
17
Claramente x0 es una cota superior de B. Sea y una cota superior cualquiera
de B. Si fuese y < x0 , aplicando la hipotesis al positivo = x0 y > 0, existira
a0 B tal que
y = x0 + (y x0 ) = x0 < a0 ,
lo cual es absurdo pues y es una cota superior de B. As pues x0 y, lo que
prueba que x0 es el mnimo de las cotas superiores de B.
2) Analoga a 1).
Observaci
on 1.6.5. Los terminos supremo e nfimo se suelen usar tambien para
referirse a conjuntos A no acotados superiormente (sup A = +) o inferiormente
(nf A = ).
1.7.
Car
acter incompleto de Q
Hasta aqu hemos hablado de lo que funciona bien en Q. Este cuerpo resulta
ser incompleto como se puede ver en esta seccion.
Definici
on 1.7.1.
Un entero positivo par es el que se puede escribir en la forma 2n, para alg
un
entero positivo n.
Un entero positivo impar es aquel que se puede escribir en la forma 2n + 1
para alg
un entero n 0.
Lema 1.7.2.
1) El cuadrado de un entero par es par.
2) El cuadrado de un n
umero impar es impar.
Demostracion.
1) Tenemos que:
(2n)2 = 4n2 = 2(2n2 ),
y esto es un n
umero par ya que es el producto de 2 y 2n2 .
2) Se tiene que:
(2n + 1)2 = 4n2 + 4n + 1 = 2(2n2 + 2n) + 1.
Puesto que 2n2 +2n es un entero, hemos escrito el cuadrado de nuestro n
umero
impar en la forma 2k + 1 para alg
un entero k 0, y as hemos mostrado que
nuestro cuadrado es impar.
18
Proposici
on 1.7.3. La ecuacion x2 = 2 no tiene solucion en Q.
Demostracion. Supongamos que existe dicho n
umero racional x. Podemos suponer
m
que x > 0, y escribir x = n donde m y n son enteros positivos.
Mas a
un, podemos suponer que tanto m y n no son pares, pues podemos poner
la fraccion m
en forma reducida al cancelar las potencias de 2 que dividan a m y a
n
n. As, podemos suponer que al menos uno de los enteros m o n es impar.
2
Entonces m
= 2 o bien
n2
m2 = 2n2 ,
esto significa que m2 par. Por el Lema 1.7.2, m es par tambien y, por lo tanto,
podemos escribir
m = 2k
para alg
un entero positivo k, se verifica que
m2 = 2n2 = 4k 2 ,
as que
n2 = 2k 2 ,
esto significa que n2 es par y, en consecuencia, por lo que ya vimos en el Lema 1.7.2,
que n es par.
As hemos llegado a la conclusion de que tanto m como n son pares, lo cual
contradice el hecho de que pusimos nuestra fraccion en forma reducida.
Por lo tanto la suposicion de la que partamos es falsa y no existe ning
un n
umero
racional cuyo cuadrado sea 2.
Proposici
on 1.7.4. El conjunto A = {x Q+ : x2 < 2} es acotado superiormente
sin embargo no tiene supremo en Q.
Demostracion. Sea x A tenemos que
0 < x2 < 2 < 4 = 22 ,
con lo que
x < 2,
y esto lo hemos hecho para cualquier elemento de A. Por lo tanto queda demostrado
que A esta acotado superiormente.
Sea = sup A, existen dos posibilidades A o
/ A:
19
1) Si A. Tomando
=
( 2 + 6)
3 2 + 2
se tiene que
Q+ , =
2(2 2 )
>0 y
3 2 + 2
2 2 =
( 2 2)3
< 0.
(3 2 + 2)2
Esto implica que

A y > = sup A,
lo que es contradictorio.
2) Si
/ A. Entonces tenemos que
2 2.
Sabemos por la Proposicion 1.7.3 que 2 6= 2, con lo que
2 > 2.
Sea =
2 2
,
2
as que
0<<
y 2 = 2 ( 2 2) +
2 2 2
2
de donde
2 < 2.
Observando que
x2 < 2 < 2
x A,
se concluye que
x<
x A,
con lo que es una cota superior menor que el supremo, llegando as a una
contradiccion.
En definitiva el conjunto A esta acotada superiormente pero no tiene supremo en
Q.
20
1.8.
Axioma del supremo
Axioma 1.8.1 (Axioma del supremo o Axioma de completitud). Sea (A, +, ,

) un cuerpo conmutativo totalmente ordenado.
(16) Todo subconjunto no vaco de A, acotado superiormente tiene supremo.
Teorema 1.8.2. Todo subconjunto no vaco B de A, acotado inferiormente tiene
nfimo.
Demostracion. SeaB = {a : a B} el conjunto de los n
umeros opuestos de los
de B. Entonces B es no vaco y acotado superiormente. Por el axioma del supremo
existe un n
umero R tal que = sup(B). Por tanto el n
umero es el nfimo
de B.
1.9.
N
umeros reales
El hecho de que cualquier conjunto no vaco acotado superiormente posee supremo, la propiedad esencial de la que carece el conjunto de los n
umeros racionales, y
que sirve para definir y caracterizar al conjunto de los n
umeros reales.
Definici
on 1.9.1. Se llama recta real o conjunto de los n
umeros reales a
todo conjunto no vaco R dotado de dos operaciones suma + y producto ,
y una relacion de orden tal que (R, +, , ) es un cuerpo conmutativo totalmente
ordenado y verifica el axioma del supremo.
En otras palabras, el conjunto R es un cuerpo conmutativo totalmente ordenado
en el que cualquier subconjunto no vaco y acotado superiormente posee supremo.
Observaci
on 1.9.2. La definicion axiomatica de los n
umeros reales plantea dos
problemas:
La existencia, haya alg
un cuerpo totalmente ordenado en el que se cumpla
el axioma del supremo.
La unicidad, el conjunto de los n
umeros reales es u
nico salvo isomorfismos,
es decir, si dos conjuntos con sus respectivas operaciones y relaciones de orden
verifican los 16 axiomas, entonces existe una biyeccion entre ambos que es
isomorfismo algebraico y de orden.
21
1.9.1.
Propiedad arquimediana de los n

umeros reales
Teorema 1.9.3 (Propiedad arquimediana). Para todo par de elementos x, y

R, con x > 0, existe un n
umero entero n N tal que
nx > y.
Demostracion. Sean x, y R, con x > 0. Supongamos que la tesis del teorema no
es cierta, esto es
n N, nx y.
Si y 0, entonces x 0 contradiccion con la hipotesis x > 0.
Si y > 0. Definimos el conjunto
A = {nx : n N}.
Trivialmente A R y A 6= (x pertenece a A), ademas A esta acotada superiormente por y.
Por el axioma del supremo sabemos de la existencia de
= sup A.
Utilizando la u
nica hipotesis (x > 0) tenemos
x < 0 = x < ,
con lo que x no es cota superior de A, luego existe a0 A tal que
x < a0 ,
esto es:
n0 N : x < xn0 = a0 .
Pero esto es equivalente a
< (n0 + 1)x,
y como (n0 + 1)x A se obtiene un resultado contradictorio con la definicion del
supremo.
Corolario 1.9.4. El conjunto de los n
umeros naturales no esta acotado superiormente.
22
1.9.2.
Parte entera de un n
umero real
Teorema 1.9.5 (Parte entera). Sea x R, existe un u

nico n
umero entero, que
denotaremos por [x] y que denominaremos parte entera de x verificando:
[x] x < [x] + 1.
Demostracion. Sea x R. Definimos el conjunto
A = {n Z : n x}.
Por supuesto A es un subconjunto de Z.
Por la propiedad arquimediana existe n0 N tal que
1n0 > x
y as
n0 < x,
luego
n0 A
Por otra parte A esta acotado superiormente (por x o por cualquier n
umero
natural superior a x).
Por el Teorema 1.2.14, A tiene un elemento maximo, llamemosle m. Como m A,
se tendra
m x.
Y como m es el maximo de A y m < m + 1, se deduce que
m+1
/ A,
es decir,
x < m + 1.
1.9.3.
Densidad de Q en R
Teorema 1.9.6 (Densidad de Q en R). Sean x, y R, con x < y. Entonces

existe un n
umero racional r Q tal que
x < r < y.
23
Demostracion. Como x < y podemos aplicar la propiedad arquimediana a los
n
umeros y x > 0 y 1 con lo que
n0 N : (y x)n0 > 1 n0 x + 1 < n0 y .
Definimos hora el conjunto
A = {m Z : n0 x < m},
aplicando otra vez la propiedad arquimediana a los n
umeros 1 > 0 y n0 x tenemos
la existencia de un n
umero p0 N tal que
p0 > n0 x,
as que A 6= y gracias a la parte entera observamos que
[n0 x] n0 x < m m A,
es decir, A esta acotada inferiormente.
Como A Z, entonces por el Teorema 1.2.14, existe m0 A tal que
m0 = mn A,
con lo que
m0 1
/ A,
esto es
m0 1 n0 x o bien m0 n0 x + 1
entonces
n0 x < m0 n0 x + 1 < n0 y
luego
x<
m0
< y.
n0
Observaci
on 1.9.7. Entre dos n
umeros reales distintos existen infinitos n
umeros
racionales.
1.10.
N
umeros irracionales
Definici
on 1.10.1. Los n
umeros reales que no son racionales se llaman n
umeros
irracionales.
24
1.10.1.
Existencia de races cuadradas
Ya sabemos que la ecuacion x2 = 2 no tiene solucion en Q (ver Proposicion

1.7.3). As que vamos a probar que s hay un n
umero real positivo cuyo cuadrado es
2. Este n
umero tendra que ser irracional.
Proposici
on 1.10.2. La ecuacion x2 = 2 tiene solucion en R.
Demostracion. Consideremos el conjunto
S = {x R : x 0, x2 2}.
Este es un conjunto no vaco de n
umeros reales (por ejemplo, 1 S). Y esta acotado
superiormente, ya que si x S,
x2 2 < 4 = 22
de donde se deduce que x 2. Es decir, 2 es una cota superior de S. Luego el
conjunto S tiene supremo.
Sea = sup S. Como 1 S, entonces
0 < 1 .
Comprobemos que no puede ser 2 > 2 ni 2 < 2.
Si 2 > 2, entonces tomando
n 2 2 o
,
= mn ,
2
se tendra > 0 y 0 y
( )2 = 2 2 + 2 > 2 2 2 (2 2) = 2 x2 ,
de donde
x ,
para todo x S. Pero no puede ser cota superior del conjunto S porque es
menor que su supremo ( < ).
Si 2 < 2, entonces tomando
n 2 2 o
= mn ,
,
3
se tendra > 0 y + 0 y
( + )2 = 2 + 2 + 2 2 + 2 + = 2 + 3 2 + (2 2 ) = 2,
25
as que
+ S.
Pero esto no puede ser, porque + > y en cambio para todo x S se tiene
x .
2
Queda as como u
nica
umero positivo cuyo cuadrado
posibilidad = 2. Este n
es 2 se representa por 2.
Teorema 1.10.3 (Existencia de races cuadradas). Todo n
umero real no negativo a tiene una u
nica raz real cuadrada no negativa.
Demostracion. La demostracion es exactamente igual a la realizada anteriormente
para a = 2.
Ejemplo 1.10.4.
0, 202002000200002000002
5, 782232224222252222226
Notaci
on 4. El conjunto cuyos elementos son los n
umeros irracionales, recibe el
nombre de conjunto de los n
umeros irracionales y se denota con el smbolo I.
Observaci
on 1.10.5. Por la definicion de n
umero racional y irracional se tiene
que no existen n
umeros que sean racionales e irracionales a la vez, es decir,
Q I = .
1.10.2.
Densidad de I en R
Teorema 1.10.6 (Densidad de I en R). Sean x, y R, con x < y. Entonces

existe un n
umero irracional I tal que
x < < y.
Demostracion. Sea z I = R\Q cualquiera (ya hemos visto que existe alguno).
Puesto que
x z < y z,
seg
un el teorema de la densidad de Q en R existe alg
un r Q tal que
x z < r < y z,
de donde
x < z + r < y.
Por u
ltimo, r + z es un n
umero irracional, ya que si fuera racional se tendra z =
(r + z) + (r) Q.
Observaci
on 1.10.7. Entre dos n
umeros reales distintos existen infinitos n
umeros
irracionales.
26
1.11.
Intervalos en R
Definici
on 1.11.1 (Intervalos de la recta). Se dice que un subconjunto I de R
es un intervalo si verifica la siguiente propiedad:
Si x, y I, con x < y, entonces para cada z R tal que x < z < y se tiene que
z I.
Definici
on 1.11.2 (Intervalos acotados). Dados a, b R con a < b se definen
los intervalos acotados de extremos a y b de la siguiente forma:
(a, b) = {x R : a < x < b},
[a, b] = {x R : a x b},
(a, b] = {x R : a < x b},
[a, b) = {x R : a x < b}.
El primero se denomina intervalo abierto, y el segundo, cerrado.

Definici
on 1.11.3. Dados a, b R y I un intervalo acotado de extremos a y b. El
n
umero positivo b a se denomina longitud de I y lo denotamos por l(I) = b a.
Definici
on 1.11.4 (Intervalos no acotados). Dados a, b R con a < b se definen
los intervalos no acotados de la siguiente forma:
(a, +) = {x R : x > a},
[a, +) = {x R : x a},
(, a) = {x R : x < a},
(, a] = {x R : x a},
(, +) = R.
27
1.12.
Valor absoluto de un n
umero real
Definici
on 1.12.1. Sea x R, se define el valor absoluto de x, denotado por
|x|, como el n
umero real no negativo

x
si x 0,
|x| = max{x, x} =
x si x < 0.
Proposici
on 1.12.2. Sea x R y 0. Entonces
|x| x .
Demostracion. Tenemos |x| es equivalente a decir que
x y x .
Como la desigualdad x es equivalente x, la propiedad esta demostrada.
Proposici
on 1.12.3. Sean x, y, R. Entonces
1) |x| = 0 si, y solo si, x = 0.
2) |x| = |||x|.
3) |x + y| |x| + |y|
(desigualdad triangular).
Demostracion. 1) Es trivial.
2) Consideraremos tres casos:
2.1) Si 0 y x 0, entonces x 0 y tendremos
|x| = x = |||x|.
2.2) Si 0 y x 0, entonces x 0 y tendremos
|x| = x = ()(x) = |||x|.
2.3) Si 0 y x 0, entonces x 0 y sera
|x| = (x) = ()x = |||x|.
3) Por la Proposicion 1.12.2, se tiene que
|x| x |x|, |y| y |y|.
28
Sumamos las desigualdades y resulta
|x| |y| x + y |x| + |y|,
es decir

|x| + |y| x + y |x| + |y| .
Usando otra vez la Proposicion 1.12.2deducimos que
|x + y| |x| + |y|.
1.13.
Principio de Inducci
on
Definici
on 1.13.1. El principio de induccion es una t
ecnica muy utilizada en
Matematicas para demostrar la veracidad de algunas proposiciones en las que interviene una variable entera positiva n.
1.13.1.
Primera versi
on del principio de inducci
on
Teorema 1.13.2. Sea P (n) una proposicion matematica que depende de n N.

Supongamos que existe n0 N tal que:
1) P (n0 ) es verdadera, es decir n0 satisface la proposicion P (n).
2) Si k n0 y P (k) es verdadera, entonces P (k + 1) es verdadera.
Entonces P (n) es verdadera para todo entero n n0 . En particular, si n0 = 1
resulta que P (n) es cierta para cada n N.
Demostracion. Definimos el conjunto
A = {k N : k > n0
y P (k) es falsa}.
Supongamos que hay alg

un elemento en A. Por el Axioma 1.1.10 (Principio de
buena ordenacion) existe un elemento mnimo k0 en A.
As, como k0 es mnimo de A, se deduce que k0 1
/ A, lo cual implica dos
posibilidades:

[k0 1 n0 ] o P (k0 1) es verdadera .
29
Si k0 1 n0 , entonces k0 n0 + 1, y puesto que n0 < k0 , se deduce que
k0 = n0 + 1.
As, como P (n0 ) es verdadera, se concluye por hipotesis 2) que
P (k0 = n0 + 1)
es verdadera, lo cual contradice el hecho que P (k0 ) es falsa.
Si P (k0 1) es verdadera, entonces por hipotesis 2) nuevamente se deduce que

P k0 = (k0 1) + 1
es verdadera, lo cual contradice el hecho que P (k0 ) es falsa.
Luego el conjunto A debe ser vaco.
Ejemplo 1.13.3. Demuestra que 1 + 2 + + n = n(n+1)
para todo n 1.
2
Paso 1: Definimos la proposicion P (n).
Sea

n(n + 1)
P (n) := 1 + 2 + + n =
2
Paso 2: Comprobamos que P (1) es verdadera.
Puesto que 1 = 1(1+1)
, entonces P (1) es verdadera.
2
Paso 3: Sea k 1 arbitrario, tal que P (k) es verdadera. Es decir:
1 + 2 + + k =
k(k + 1)
2
[Hipotesis de Induccion].
Veamos si P (k + 1) es verdadera. Para ello deberemos probar que:

1 + 2 + + k + (k + 1) =
(k + 1)(k + 1 + 1)
(k + 1)(k + 2)
=
.
2
2
En efecto: utilizamos la hipotesis de induccion:

k(k + 1)
+ (k + 1)
2
k(k + 1) + 2(k + 1)
=
2
(k + 1)(k + 2)
=
.
2
1 + 2 + + k + (k + 1) =
Por tanto: P (k + 1) es verdadera.

Luego la proposicion P (n) es verdadera para todo n 1.
30
Ejemplo 1.13.4. Demuestra que 2n < n! para todo n 4.
Sea

P (n) := 2n < n!
Paso 2: Comprobamos que P (4) es verdadera.
Puesto que 24 = 16 < 4! = 24, entonces P (4) es verdadera.
Paso 3: Sea k 4 arbitrario, tal que P (k) es verdadera. Es decir:
2k < k!
[Hipotesis de Induccion].

2k+1 < (k + 1)!
2k+1 = 2 2k < 2 k!
< (k + 1) k!
= (k + 1)!
1.13.2.
Segunda versi
on del principio de inducci
on
Teorema 1.13.5. Sea P (n) una proposicion matematica que depende de n N.

Supongamos que existe n0 N tal que:
1) P (n0 ) es verdadera.
2) Si k n0 y P (m) es verdadera para cada m con n0 m k, entonces P (k+1)
es verdadera.
Entonces P (n) es verdadera para cada n n0 . En particular, si n0 = 1 resulta que
P (n) es cierta para cada n N.
Demostracion. Definimos el conjunto
A = {k N : k > n0
y P (k) es falsa}.
Supongamos que hay alg

un elemento en A. Por el Axioma 1.1.10 (Principio de
buena ordenacion) existe un elemento mnimo k0 en A.
As, como k0 es mnimo de A, se deduce que P (k) es verdadera para todo entero
k con n0 k < k0 .

Por la hipotesis 2) concluimos que P k0 = (k0 1) + 1 es verdadera. Esto es
una contradiccion, que prueba lo que queramos.
31
Ejemplo 1.13.6. Definimos los n
umeros an R para n N del modo siguiente:

an = an1 + an2 n 3
a1 = 1, a2 = 3
n
Demuestra que an < 47 , n 1.
Sea

P (n) := an <
7 n
4
Paso 2:
P (1) es verdadera, dado que: a1 = 1 <
P (2) es verdadera, dado que: a2 = 3 <
7
4

7 2
4
Paso 3: Sea k 2 arbitrario, tal que P (1), P (2), ... , P (k1), P (k) son verdades.
Es decir verdadera. Es decir:
2
k1
k
7
7
7
7
a1 = 1 < , a2 = 3 <
, , ak1 <
, ak <
4
4
4
4
Hipotesis de Induccion.
ak+1
k+1
7
<
4
ak+1 = a(k+1)1 + a(k+1)2) = ak + ak1
k k1
7
7
<
+
4
4
k
7
k
k
k k

4
7
7
4 7
7
4
<
+ 7 =
+
=
1+
4
4
7 4
4
7
4
k k
k+1
7
11
7
7
7
=
<
=
4
7
4
4
4

32
1.14.
Numerabilidad
Definici
on 1.14.1.
Se dice que un conjunto A es finito si es vaco o existe un n
umero n0 N y
una biyeccion f : A Jn0 , donde Jn0 = {k N : k n0 }. En este caso se
dice que A tiene cardinal n0 y se denota
card(A) = n0 .
Se dice que un conjunto es infinito si no es finito.
Observaci
on 1.14.2. Se conviene en que card() = 0.
Definici
on 1.14.3 (Conjunto numerable). Se dice que un conjunto A es numerable si es finito o cuando, siendo infinito, existe una biyeccion f : A N.
Ejemplos 1.14.4.
1) El conjunto N es infinito y numerable.
2) El conjunto Z es numerable infinito y. En efecto, la aplicacion definida por
f : Z N
2n + 1
1
n f (n) =
si
si
si
n>0
n=0
n<0
es claramente biyectiva.
Proposici
on 1.14.5. El conjunto Q es numerable.
Demostracion. Basta con ordenar Q de la siguiente forma:
0
1
1
1

1 2
1
1
1
2
1
2
2
1
2
1
1
3
1
3
3
1
3
1
2
3
2
3
1
4
1
4
4
1
4
1

10 11 12 13 14 15 16 17
Proposici
on 1.14.6. Todo subconjunto de N es numerable.
Demostracion. Sea A un subconjunto de N. Si A es vaco entonces por definicion A
es numerable. Si A no es vaco entonces por el Axioma 1.1.10 (Principio de buena
ordenacion) existe un n
umero n1 A que es menor que todos los elementos del
conjunto A.
33
Si el conjunto A1 = A\{n1 } es vaco, entonces A constara de un solo elemento,
luego sera numerable.
Si A1 no es vaco tendra, analogamente, un elemento mnimo n2 A1 .
Prosiguiendo estos razonamientos, o bien encontraremos que A es finito, o bien
habremos conseguido escribir todos sus elementos en la forma
{n1 , n2 , . . . , nk , . . .},
lo cual supone haber establecido la biyeccion f : A N definida por
f (nk ) = k.
En cualquier caso, A resulta numerable.
Proposici
on 1.14.7. Todo subconjunto de un conjunto numerable es numerable.
Demostracion. Sea X un conjunto numerable e Y un subconjunto no vaco de X.
Si X es finito, entonces Y es tambien finito (la demostracion es trivial), luego numerable.
Supongamos que X es infinito y sea f : X N una biyeccion. Denotando por
i : Y X la inyeccion natural de Y en X, es decir, i(x) = x X para cada
xY.
La funcion g = f i es una aplicacion inyectiva de Y en N y por consiguiente
una biyeccion de Y sobre el conjunto A = g(Y ) de N.
Como A es un subconjunto de N entonces por la Proposicion 1.14.6 A es numerable, as que existe una biyeccion h : A N, luego h g es una biyeccion de Y
sobre N.
34
Captulo 2
Sucesiones de n
umeros reales
2.1.
2.1.1.
Definiciones y terminologa
Sucesiones
Definici
on 2.1.1. Sea X un conjunto no vaco. Una sucesi
on de elementos de
X es una aplicacion del conjunto de los n
umeros naturales en X,
: N X
n (n).
Habitualmente una sucesion se representa por el smbolo
(xn )n1 ,
donde
xn = (n).
El elemento xn se denomina t
ermino n-
esimo de la sucesion.
El conjunto {xn : n N}, se denomina conjunto de t
erminos o rango
de la sucesion.
Ejemplos 2.1.2.
xn = a, donde a es un n
umero real prefijado (sucesi
on constante); la sucesion consta de los terminos
a, a, a, . . . , a, . . .
35
36
xn = n (sucesi
on de los n
umeros naturales); la sucesion consta de los
terminos
1, 2, 3, 4, 5, . . . , n, . . .
xn = (1)n ; la sucesion consta de los terminos
1, 1, 1, 1, 1, . . . , (1)n , . . .
Definici
on 2.1.3. Sea (xn )n1 una sucesion de n
umeros reales.
Se dice que (xn )n1 esta acotada inferiormente si existe un n
umero A R
tal que
A xn ,
para todo n N. Se dice entonces que A es una cota inferior de la sucesion.
Se dice que (xn )n1 esta acotada superiormente si existe un n
umero B R
tal que
xn B,
para todo n N. Se dice entonces que B es una cota superior de la sucesion.
Si (xn )n1 esta acotada superiormente e inferiormente se dice que esta acotada. Esto equivale a que exista un n
umero K > 0 tal que para todo n N,
|xn | K.
2.1.2.
Sucesiones mon
otonas
Definici
umeros reales.
Se dice que (xn )n1 es creciente si
xn xn+1 ,
para todo n N.
Se dice que (xn )n1 es estrictamente creciente si
xn < xn+1 ,
para todo n N.
Se dice que (xn )n1 es decreciente si
xn xn+1 ,
para todo n N.
37
Se dice que (xn )n1 es estrictamente decreciente si
xn > xn+1 ,
para todo n N.
Todos estos tipos de sucesiones se denominan sucesiones mon
otonas.
Proposici
umeros reales.
1) Si (xn )n1 es creciente, entonces, esta acotada inferiormente.
2) Si (xn )n1 es decreciente, entonces, esta acotada superiormente.
Demostracion. 1) Como (xn )n1 es creciente, entonces, se tiente que
x1 x2 x3 xn
Si tomamos A = x1 deducimos que
A xn ,
para todo n N. Luego (xn )n1 esta acotada inferiormente y A es la cota inferior
de (xn )n1 .
2) Analoga a 1).
2.1.3.
Subsucesiones
Definici
on 2.1.6. Sea (xn )n1 una sucesion de elementos de un conjunto X. Una
subsucesi
on de (xn )n1 es la composicion de una sucesion estrictamente creciente
de n
umeros naturales con la sucesion dada:
N N X
k nk xnk ,
donde
nk < nk+1 ,
para todo k N. Una subsucesion de (xn )n1 se representa por (xnk )k1 .
Ejemplos 2.1.7.
1) Sea (xn )n1 una sucesion de elementos de un conjunto X. Las sucesiones de
n
umeros naturales (2k)k1 y (2k +1)k1 son estrictamente crecientes. Entonces
(x2k )k1 y (x2k+1 )k1 son dos subsucesiones de (xn )n1 de los terminos de ndice
par e impar, respectivamente.
38
2) La sucesion de termino k-esimo xnk = 4k 2 es una subsucesion de la sucesion
de termino n-esimo xn = (1)n n2 , como se ve tomando
nk = 2k,
para cada k N.
Proposici
on 2.1.8. Si la sucesion (nk )k1 es estrictamente creciente, entonces para
cada k N, se tiene que
nk k.
Demostracion. Para m = 1, tenemos que n1 1. Sea m > 1 arbitrario, tal que
nm m.
Veamos si nm+1 m + 1 es verdadera. Supongamos que nm+1 < m + 1. Como
(nk )k1 es estrictamente creciente se tiene que
nm < nm+1 .
Por la hipotesis de induccion sabemos que
m nm .
As que
m nm < nm+1 < m + 1.
Esto es una contradiccion.
Proposici
on 2.1.9. Una sucesion monotona esta acotada, si y solo si, posee una
subsucesion acotada.
Demostracion.
En inmediato que si la sucesion esta acotada, cualquier subsucesion de ella es
acotada.
Supongamos que (xn )n1 una sucesion creciente y sea (xnk )k1 una subsucesion
acotada de (xn )n1 .
Como el subconjunto
A = {n1 < n2 < < nk < }
de N es infinito, equivale a que A no esta acotado, se sigue que dado m N
arbitrario, existe nk A tal que
m < nk .
39
Puesto que (xnk )k1 esta acotada, entonces existe R tal que
xnk ,
para todo nk A.
As que, para cualquier m N existe nk A tal que

m < nk ,
luego
xm xnk .
Por tanto
xm
para todo m N.
2.2.
Lmite de una sucesi

on. Convergencia
Definici
umeros reales.
Se dice que el n
umero x0 R es el lmite de la sucesion (xn )n1 o que (xn )n1
converge a x0 y se expresa mediante
lm xn = x0
si, y solo si, para todo > 0 existe un n

umero natural n (que depende de )
tal que para todo n
umero natural n n se tiene que:
|xn x0 | < .
Se dice entonces que (xn )n1 es convergente.
Las sucesiones que no son convergentes se denominan divergentes.
Ejemplos 2.2.2 (Sucesiones convergentes).
1) Las sucesion constante (xn = )n1 ( R) converge al n
umero .

2) La sucesion n1 n1 converge a 0. Consecuencia de la propiedad arquimediana,
Teorema 1.9.3. (Para > 0, existe n N tal que 1 < n ).
Ejemplos 2.2.3 (Sucesiones no convergentes).
40
1) La sucesion ((1)n )n1 no es convergente. Supongamos que existe un n
umero
x0 R que es su lmite.
Si x0 = 1 entonces eligiendo = 2 > 0, cualquiera que fuese n N bastara
tomar m = 2n + 1 > n para conseguir que
|xm x0 | = | 1 1| = 2 .
Si x0 6= 1, eligiendo ahora = |1x0 | > 0, cualquiera que fuese n N bastara
tomar m = 2n > n para conseguir que
|xm x0 | = |1 x0 | = |1 x0 |.
2) La sucesion (n)n1 no puede ser convergente, pues si tuviese lmite x0 , tomando
= 1 en la definicion de convergencia, para alg
un n N habra de ser
n < x0 + 1
siempre que n fuese mayor que n .
Por la propiedad arquimediana Teorema 1.9.3 existe m0 N tal que
m0 > x0 + 1.
Si m0 n , entonces m0 < x0 + 1, lo cual es imposible.
Si m0 < n , entonces
x0 + 1 < m0 < n < n + 1 < x0 + 1,
lo cual es imposible.
Proposici
on 2.2.4 (Unicidad del lmite de una sucesion convergente). Sea (xn )n1
una sucesion convergente y sean a, b R tales que
lm xn = a,
lm xn = b.
Entonces a = b.
Demostracion. Supongamos, por ejemplo, a < b. Sea c (a, b).
Puesto que c < b y lm xn = b, entonces existe n1 N tal que para todo n > n1
n
tenemos que
xn > c.
41
Igualmente, puesto que a < c y lm xn = a, entonces existe n2 N tal que para
n
todo n > n2 tenemos que
xn < c.
Tomando n = max{n1 , n2 } llegamos a una contradiccion: tendra que cumplirse
c < xn < c.
Proposici
on 2.2.5. Sea (an )n1 una sucesion en R y sea x0 R
1) lm xn = x0 lm |xn x0 | = 0.
n
2) lm xn = x0 = lm |xn | = |x0 |.
n
El recproco solo es cierto, en general, cuando x0 = 0.

Demostracion. Inmediata.
Proposici
on 2.2.6. Toda sucesion convergente esta acotada.
Demostracion. Sea (xn )n1 una sucesion convergente a un n
umero a R. Tomamos,
por ejemplo, = 1 en la definicion de lmite y existira alg
un n
umero n N tal que
|xn a| < 1 para todo n n . Si escribimos
= max{1, |x1 a|, |x2 a|, . . . , |xn 1 a|}
se tiene que
|xn a| ,
es decir,
a xn a + ,
para todo n N. Luego la sucesion esta acotada.
Observaci
on 2.2.7. El recproco de la proposicion anterior es falso. Por ejemplo,
la sucesion
xn = 1 + (1)n ,
esta acotada, pero no es convergente.
Proposici
on 2.2.8. Sea (xn )n1 una sucesion monotona. Se verifican las siguiente
afirmaciones:
42
1) Si (xn )n1 es creciente, entonces (xn )n1 es convergente si, y solo si, esta acotada superiormente, en cuyo caso
lm xn = sup{xn : n N} = sup xn .
n1
2) Si (xn )n1 es decreciente, entonces (xn )n1 es convergente si, y solo si, esta acotada inferiormente, en cuyo caso
lm xn = nf{xn : n N} = nf xn .
n1
Demostracion. Sea (xn )n1 una sucesion monotona.

1) Si (xn )n1 es creciente.
Supongamos que (xn )n1 es convergente. Seg
un la proposicion 2.2.6 la
sucesion esta acotada superiormente.
Supongamos ahora que la sucesion esta acotada superiormente, sea a su
supremo y veamos que la sucesion converge al punto a.
Sea > 0. Como a < a, el n
umero a no puede ser una cota superior
de la sucesion, y por lo tanto existira alg
un n N tal que
a < xn .
Como la sucesion es creciente, para cada n n , se tiene que
a < xn xn +1 xn .
Por la definicion de supremo tenemos que,
xn a < a + ,
para cada n n . Por lo tanto,
a < xn < a + ,
para cada n n . Esto demuestra que la sucesion converge al punto a.
2) La demostracion es analoga.
Corolario 2.2.9. Si una sucesion monotona posee una subsucesion convergente,

entonces ella es convergente.
43
Demostracion. Sea (xn )n1 una sucesion monotona, por ejemplo creciente, y (xnk )k1
una subsucesion de (xn )n1 que converge a x0 . Por la Proposicion 2.2.8, basta probar
que (xn )n1 esta acotada superiormente. Sea > 0, entonces existe k0 N tal que
para todo k k0 se tiene que
xnk < x0 + .
Como nk k para todo k N, es claro que k k0 implica
xk xnk < x0 + .
Si tomamos
M = max{x1 , x2 , . . . , xk0 1 , x0 + },
se tiene que
xk M
para todo k N.
Proposici
on 2.2.10. Sea (xn )n1 una sucesion y x0 R. Son equivalentes:
1) La sucesion (xn )n1 converge hacia x0 .
2) Toda subsucesion (xnk )k1 de (xn )n1 converge hacia x0 .
Demostracion.
1) 2) Sea (xnk )k1 una subsucesion de (xn )n1 y > 0. Como (xn )n1 converge
hacia x0 , entonces existe n N tal que para todo n n se tiene que
|xn x0 | < .
Puesto que el conjunto
A = {nk N : nk < nk+1 para todo k N}
de los ndices de la subsucesion es infinito, se sigue que existe
nk0 A
tal que
nk0 n .
Luego, para nk nk0 se tiene que nk n , por tanto
|xnk x0 | < .
Luego
lm xnk = x0 .
44
2) 1) Si (xn )n1 fuera una sucesion que no converge a x0 , entonces existira un
> 0 tal que para cada N N existe un n N con n > N tal que
|xn x0 | > .
Entonces
Para N = 1 existe un n1 N con n1 > 1 tal que
|xn1 x0 | > .
Para N = 2 existe un n2 N con n2 > 2 tal que
|xn2 x0 | > .
Usamos este hecho repetidamente, podemos seleccionar
n1 < n2 < n3 < < nk <
tales que
|xnk x0 | >
Esto nos da una subsucesion que no converge a x0 .
Corolario 2.2.11. Si la sucesion (xn )n1 tiene dos subsucesiones que convergen
hacia distintos lmites, o una subsucesion que no converge, entonces la sucesion
(xn )n1 no puede ser convergente.
Proposici
on 2.2.12. Sea (xn )n1 una sucesion. Son equivalentes:
1) La sucesion (xn )n1 es convergente.
2) La subsucesion de terminos de lugar par (x2n )n1 y la subsucesion de terminos
de lugar impar (x2n1 )n1 son ambas convergentes y tienen el mismo lmite.
Demostracion. Por la Proposicion 2.2.10 basta con demostrar que si
lm x2n = lm x2n1 = x0 R,
entonces
lm xn = x0 .
Sea > 0. Por la definicion de lmite existen n1 , n2 N tales que:

n > n1 = |x2n x0 | < ,
y
n > n2 = |x2n1 x0 | < .
Ahora si n > max{2n1 , 2n2 1} se tiene, tanto si n es par como impar que
|xn x0 | < .
45
2.3.
Propiedades elementales de los lmites
Proposici
on 2.3.1. Sean (an )n1 y (bn )n1 dos sucesiones de n
umeros reales tales
que
lm an = 0 y (bn )n1 esta acotada.
n
Entonces
lm an bn = 0.
Demostracion. Sea K > 0 tal que |bn | K para todo n N.

Dado > 0, como lm an = 0 , existe n N tal que
n
|an | <
para todo n n . Luego, se sigue que

|an bn | < ,
para todo n n .
Observaci
on 2.3.2. En la proposicion anterior no es necesario que exista
lm bn .
Proposici
on 2.3.3. Sean (an )n1 y (bn )n1 dos sucesiones de n
umeros reales convergentes con lmites
lm an = a,
lm bn = b
n
y sea R. Entonces
1) La sucesion (an + bn )n1 es convergente y

lm (an + bn ) = lm an + lm bn = a + b.
n
2) La sucesion (an )n1 es convergente y

lm (an ) = lm an = a.
n
3) La sucesion (an bn )n1 es convergente y

lm (an bn ) = lm an
lm bn = ab.
n
46
4) Si bn 6= 0 para cada n N y b 6= 0, entonces la sucesion
y
lm an
an
a
n
lm
=
= .
n bn
lm bn
b
an
bn n1
y convergente
Demostracion. Sea > 0.

1) Usando la definicion de convergencia de (an )n1 obtenemos que existe n1 N
tal que si n n1 , entonces
|an a| < .
2
De igual manera existe n2 N tal que si n n2 , entonces
|bn b| < .
2
Tomamos ahora n = max{n1 , n2 }. Por tanto, si n > n , se verifican las dos
desigualdades a la vez y as,
|(an + bn ) (a + b)| |an a| + |bn b| <

+ = .
2 2
2) Si = 0 el resultado es trivial. Suponer por tanto 6= 0. Usamos la definicion

de convergencia de (an )n1 y as, existe n1 N tal que si n n1 , entonces
|an a| <
.
||
Por tanto
|an a| = |||an a| < ||
= .
||
3) Como (an )n1 es convergente, esta acotada por la Proposicion 2.2.6 y existe
K > 0 tal que
|an | K, n N.
Puesto que (an )n1 converge, entonces existe n1 N tal que si n n1
entonces
|an a| <
.
2|b| + 1
Por otra parte, como (bn )n1 converge, entonces existe n2 N tal que si
n n2 entonces
|bn b| <
.
2K
47
Finalmente si n = max{n1 , n2 } y n n , se tiene
|an bn ab| = |an bn an b + an b ab|
|an ||bn b| + |b||an a|
K
+ |b|
2K
2|b| + 1

< + = .
2 2
4) Tenemos que
lm bbn = b2 .
Luego existe n N tal que
b2
< bbn ,
2
para todo n n . En efecto, basta tomar =
b2
.
2
Se sigue entonces que para todo n n , el n

umero

2
1
. Por lo tanto bbn n1 esta acotada.
b2
Ahora como
1
bbn
es positivo y menor que
an a
ban abn
=
bn
b
bbn
y
lm ban abn = ba ab = 0,
obtenemos por la Proposicion 2.3.1 que

a
a
n
lm
= 0.
n bn
b
2.4.
Lmites y desigualdades
Proposici
on 2.4.1. Si la sucesion (an )n1 converge hacia un n
umero real a 6= 0,
entonces:
1) Si a > 0, para cada (0, a) existe n N (que depende de ) tal que para
cada n n se tiene que < an .
2) Si a < 0, para cada (a, 0) existe n N (que depende de ) tal que para
cada n n se tiene que an < .
48
Demostracion.
1) Dado (0, a), si tomamos = a > 0, entonces existe n N tal que
para cada n n se tiene que
= + a < an .
2) Razonamiento similar.
Corolario 2.4.2. Sea (an )n1 una sucesion convergente con lmite a y sea R.
1) Si existe n0 N tal que para todo n n0 es an , entonces a.
2) Si existe n0 N tal que para todo n n0 es an , entonces a .
Demostracion.
1) Supongamos que > a. Consideramos la sucesion ( an )n1 . Dado =
a
(0, a). Por la Proposicion 2.4.1 existe n N tal que para cada
2
n n se tiene que
< an .
As que
an <
+a
< ,
2
para todo n n .
Por hipotesis tenemos la existencia de n0 N tal que
an ,
para todo n n0 .
Si tomamos n0 = max{n0 , n }, se tiene que, para todo n n0 tenemos que
an < .
Esto es una contradiccion.
2) Analogo a 1).
49
Proposici
on 2.4.3. Sean (an )n1 y (bn )n1 sucesiones convergentes y existe n0 N
tal que
an bn para todo n n0 ,
entonces
lm an lm bn .
Demostracion. La sucesion (bn an )n1 cumple la desigualdad

bn an 0 para todo n n0 ,
y converge a
lm bn lm an
Por el Corolario 2.4.2,

0 lm bn lm an ,
n
es decir,
lm an lm bn .
Observaci
on 2.4.4. Si existe n0 N tal que
para todo n n0 ,
an < bn
no podemos concluir
lm an < lm bn .
Por ejemplo
0<
1
1
< ,
2
n
n
para todo n 2, pero

1
1
=
l
m
= 0.
n n2
n n
Proposici
on 2.4.5 (Regla del sandwich). Sean (an )n1 , (bn )n1 y (cn )n1 sucesiones tales que existe n0 N de manera que
lm
an c n b n
para todo n n0 .
Si (an )n1 y (bn )n1 son sucesiones convergentes y con el mismo lmite , es decir,
lm an = lm bn = ,
entonces (cn )n1 es tambien convergente y tiene el mismo lmite , es decir,

lm cn = .
50
Demostracion. Sea > 0. Por la definicion de lmite existe n1 N tal que si n n1
entonces
|an | < ,
es decir,
< an < + .
Analogamente, existe n2 N tal que si n n2 entonces
< bn < + .
Por tanto si n max{n0 , n1 , n3 } se tiene que
< an cn bn < + ,
es decir,
|cn | < .
2.5.
Teorema de los intervalos encajados
El axioma del supremo es equivalente al resultado que se presenta a continuacion

y que resulta ser bastante u
til a la hora de demostrar ciertas proposiciones, principalmente referidas al concepto de lmite.
Teorema 2.5.1 (de los intervalos encajados). Para cada n N sea In = [an , bn ]
un intervalo cerrado de la recta real. Si
In+1 In , para cada n N,

lm (bn an ) = 0.
Entonces existe un u
nico x0 R que pertenece a cada uno de los intervalos In , es
decir,
\
In = {x0 }.
n=1
De hecho,
x0 = lm an = lm bn ,
n
= sup{an : n N} = nf{bn : n N}.
51
Demostracion. Por hipotesis, tenemos que la sucesion (an )n1 es monotona creciente
y acotada superiormente (por b1 , por ejemplo), luego, por la Proposicion 2.2.8, converge a un n
umero real x0 , es decir,
x0 = lm an = sup{an : n N}.
n
Analogamente, la sucesion (bn )n1 converge a un n

umero real
y0 = lm bn = nf{bn : n N}.
n
Por la Proposicion 2.4.3, se tiene que

an x 0 y 0 b n ,
para todo n N. Ahora, la condicion
lm (bn an ) = 0
asegura que
x0 = y 0
y que
{x0 } =
In .
n=1
Observaci
on 2.5.2. La hipotesis de los intervalos In sean cerrados y acotados es
esencial; por ejemplo los intervalos 0, n1 forman un encaje pero tienen interseccion
vaco.
Teorema 2.5.3. El conjunto R de los n
umeros reales no es numerable.
Demostracion. Basta probar que el intervalo [0, 1] no es numerable. Si lo fuese existira una aplicacion f : N [0, 1] biyectiva.
Dividimos [0, 1] en dos intervalos cerrados de igual longitud y al menos en uno
de ellos, que notamos I1 , no esta el punto f (1).
Dividimos I1 en dos intervalos de igual longitud y al menos en uno de ellos, que
notamos I2 , no esta f (2).
En el n-esimo paso In es un intervalo que no contiene al punto f (n) y cuya
longitud es un medio de la del intervalo In1 .
Por lo tanto In 6= , In+1 In y verificando que
l(In ) = bn an =
1
,
2n
52
para todo natural n N. Luego,
1
= 0.
n 2n
lm (bn an ) = lm
Por lo tanto, el teorema de los intervalos encajados (Teorema 2.5.1) nos asegura que
existe x0 [0, 1] tal que
\
In = {x0 }.
n=1
Esto es absurdo pues al ser f biyectiva ha de existir k0 N tal que

f (k0 ) = x0
con lo que x0
/ Ik0 y con mayor motivo
x0
/
In .
n=1
2.6.
Teorema de Bolzano-Weierstrass
Teorema 2.6.1 (Bolzano-Weierstrass). Toda sucesion acotada tiene una subsucesion convergente.
Demostracion. Sea (xn )n1 una sucesion acotada en R y M > 0 tal que
|xn | M,
para todo n N.
Vamos construyendo la subsucesion de la siguiente forma: bien en [0, M ], bien
en [M, 0], habra infinitos terminos de la sucesion (quiza incluso en los dos).
Supongamos que en
I1 = [0, M ]
hay infinitos terminos y elijamos cualquier elemento
xn1 I1 .

De nuevo repetimos la idea y, o bien en 0, M2 o en M2 , M , habra infinitos
terminos de la sucesion. Nos quedamos uno de los intervalos que contenga infinitos
xn ; supongamos, por ejemplo, que es

M
I2 =
,M .
2
53
Elegimos un elemento
xn2 I2
que ademas cumpla
xn1 < xn2 .
Observemos que
I2 I1 .
3M

y
,
M
,
El siguiente paso es de nuevo subdividir I2 en dos mitades, M2 , 3M
4
4
elegir una mitad I3 que contenga infinitos terminos de la sucesion y seleccionar un
nuevo
xn3 I3
con
xn1 < xn2 < xn3 .
Construimos de esa forma una sucesion de intervalos cerrados encajados
I1 I2 I3 In
y una subsucesion (xnk )k1 de (xn )n1 con
xnk Ik
para todo k N. Por comodidad escribimos Ik = [ak , bk ] con lo que
ak xnk bk
para todo k N y ademas, como la longitud de cada Ik es
lm (bk ak ) = lm
M
,
2k
se tiene
M
= 0.
2k
Por tanto podemos aplicar el Teorema 2.5.1 de los intervalos encajados y asegurar
la existencia de x0 R tal que
x0 = lm ak = lm bk
k
Pero por la regla de sandwich (Proposicion 2.4.5) tenemos que

lm xnk = x0 .
54
2.7.
Sucesiones de Cauchy
Hasta este punto, el u

nico resultado que permite averiguar si una sucesion es
convergente sin necesidad de tener una idea previa acerca del valor de su lmite es
la Proposicion 2.2.8, que se aplica solamente a un tipo muy particular de sucesiones
(las acotadas). El criterio de Cauchy, que veremos a continuacion, caracteriza de
forma relativamente sencilla a las sucesiones convergentes sin necesidad de conocer
cual es su lmite.
Definici
on 2.7.1. Una sucesion (xn )n1 se dice que es de Cauchy si para cada
> 0, existe n N (que depender de ) tal que
n, m n = |xn xm | < .
Lema 2.7.2. Toda sucesion de Cauchy esta acotada.
Demostracion. Sea (xn )n1 una sucesion de Cauchy. Tomando = 1, existe n0 N,
tal que
n, m n0 = |xn xm | < 1
En particular
n n0 = |xn | |xn xn0 | + |xn0 | < 1 + |xn0 |.
Entonces (xn )n1 esta acotado por

max 1 + |xn0 |, |x1 |, |x2 |, . . . , |xn0 1 | .
Teorema 2.7.3 (Criterio de convergencia de Cauchy). Una sucesion de n

umeros
reales es convergente si y solo si es una sucesion de Cauchy.
Demostracion. Sea (xn )n1 una sucesion de n
umeros reales.
Supongamos que (xn )n1 converge a x0 R. Entonces para todo > 0 existe
n N tal que
n n = |xn x0 | < .
2
De esto se deduce que
n, m n = |xn xm | = |xn x0 + x0 xm |
|xn x0 | + |xm x0 |

< + = .
2 2
55
Sea (xn )n1 una sucesion de Cauchy. Puesto que esta acotada (Lema 2.7.2), el
Teorema 2.6.1 de Bolzano-Weierstrass asegura la existencia de una subsucesion
(xnk )k1 convergente.
Dado > 0, entonces existe n N tal que
n, m n = |xn xm | < .
2
Por otra parte, si
x0 = lm xnk
k
existe k N tal que
k k = |xnk x0 | < .
2
Como (por definicion de subsucesion) la sucesion de n
umeros naturales (nk )k1
es monotona creciente, existe m0 k tal que nm0 n .
Si tomamos n0 = nm0 n entonces se cumple
n n0 = |xn x0 | |xn xnm0 | + |xnm0 x0 |

+ = .
2 2
Nota 2.7.4. El conjunto de las sucesiones convergentes de n

umeros reales coincide
con el de las sucesiones de Cauchy, a diferencia de lo que sucede con las sucesiones
de n
umeros racionales, por ejemplo la sucesion de n
umeros racionales

1 n
1+
n
es de Cauchy pero no converge en Q.
Esta propiedad se conoce con el nombre de completitud de los n
umeros
reales.
2.8.
Lmites infinitos
Definici
umeros reales.
Se dice que (xn )n1 tiende a + o que tiene lmite +, y se escribe:
lm xn = +,
si para cada n
umero real M > 0 existe un n
umero natural n0 , que depende de
M , tal que:
n n0 = xn > M.
56
Se dice que (xn )n1 tiende a o que tiene lmite , y se escribe:
lm xn = ,
si para cada n
umero real N < 0 existe un n
umero natural n0 , que depende de
N , tal que:
n n0 = xn < N.
Proposici
on 2.8.2.
1) Sea (xn )n1 una sucesion monotona creciente. Si no esta acotada superiormente, entonces
lm xn = +.
n
2) Sea (xn )n1 una sucesion monotona decreciente. Si no esta acotada inferiormente, entonces
lm xn = .
n
Demostracion. Es consecuencia directa de las definiciones.
2.9.
Criterios para el c
alculo de lmites
Teorema 2.9.1 (Criterio de Stolz). Sean (an )n1 y (bn )n1 dos sucesiones de
n
umeros reales. Supongamos que (bn )n1 es de terminos no nulos, estrictamente
creciente y lm bn = +. Si
n
an+1 an
= l R {, +},
n bn+1 bn
lm
entonces
an
= l.
n bn
lm
Demostracion. Nos limitaremos al caso l R. Las otras situaciones se prueban

analogamente.
Sea > 0, entonces existe n N tal que para cada n > n se tiene
l<
an+1 an
< l + .
bn+1 bn
Como (bn )n1 es estrictamente creciente, se tiene que

(l )(bn+1 bn ) < an+1 an < (l + )(bn+1 bn ).
57
Sea k > n un n
umero natural. Obtenemos
(l )
k
X
(bi+1 bi ) <
i=n
k
X
(ai+1 ai ) < (l + )
i=n
k
X
(bi+1 bi ).
i=n
As que
(l )(bk+1 bn ) < ak+1 an < (l + )(bk+1 bn ).
Por otra parte, sea M > 0, como lm bn = +, entonces existe n0 N tal que para
n
cada n > n0 se tiene que bn > M . Por tanto para k > max{n0 , n } tenemos que

ak+1
an
bn
bn
<
< (l + ) 1
.
(l ) 1
bk+1
bk+1
bk+1
bk+1
Luego

bn
an
ak+1
bn
an
(l ) 1
+
<
< (l + ) 1
+ .
bk+1
bk+1
bk+1
bk+1
bk+1
Esto significa que existe un k0 N tal que para k > k0 tenemos
l<
ak+1
< l + .
bk+1
Obviamente, esto significa que:

an
= l.
n bn
lm
Observaci
on 2.9.2. El recproco no es cierto. Por ejemplo si an = (1)n y bn = n,
tenemos que
an
=0
lm
n bn
y sin embargo an = (1)n no tiene lmite.
Proposici
on 2.9.3 (Criterio de la media aritm
etica). Supongamos que
lm an = l R {, +},
entonces
a1 + a2 + + an
=l
n
n
lm
58
Demostracion. Basta aplicar el criterio de Stolz tomando
x n = a1 + a2 + + an
y
yn = n.
Proposici
on 2.9.4 (Criterio de la media geom
etrica). Si (an )n1 una sucesion
de terminos positivos tal que
lm an = l R+ {+}
entonces
lm
a1 a2 an = l.
Demostracion. Basta aplicar el criterio de la media aritmetica a la sucesion

ln(an ).
Por tanto
ln(a1 ) + ln(a2 ) + + ln(an )
= lm ln(an ) = ln(l).
n
n
n
Esta igualdad es equivalente a
lm ln n a1 a2 an = ln(l).
lm
Tomando la funcion exponencial llegamos al resultado buscado.

Proposici
on 2.9.5 (Criterio de la raz). Sea (an )n1 una sucesion de terminos
positivos y supongamos que
an
= l R+ {+}.
lm
n an1
Entonces
lm
an = l
Demostracion. Tenemos que
r
an =
a1 a2
an
.
1 a1
an1
Aplicando el criterio de la media geometrica se tiene que
an
lm n an = lm
=l
n
n an1
Captulo 3
Funciones de una variable real
3.1.
3.1.1.
Topologa de R
Conjuntos abiertos
Definici
on 3.1.1. Sea x0 R, un conjunto V R es un entorno de x0 si existe
> 0, tal que
(x0 , x0 + ) V.
Definici
on 3.1.2. Si dice que un subconjunto V de la recta real es abierto si es
vaco o si es entorno de todos sus puntos, es decir, si se verifica que:
x V, > 0 (que depende de x) tal que (x , x + ) V.
3.1.2.
Puntos interiores
Definici
on 3.1.3. Sean A R y x0 R. Se dice que el punto x0 es interior al
conjunto A si existe > 0 tal que
(x0 , x0 + ) A.
(Un punto interior de A esta completamente rodeado de puntos de A). El
conjunto de todos los puntos interiores a A se llama interior de A y se representa
por Int(A) o por A.

Proposici
on 3.1.4. Sea A un conjunto en R. Se tiene que:
59
60
1) A A.
2) A es el mayor abierto contenido en A, esto es,

[

U R : U abierto , U A .
A=
3) El conjunto A es abierto si, y solo si, A= A.

Demostracion. Sea A un conjunto en R.
1) Sea x A. Por definicion, existe > 0 tal que

(x , x + ) A.
En particular, x (x , x + ) A y, por tanto,
A A.
2) Veamos, en primer lugar, que si U es un conjunto abierto, con U A entonces
U A.
Sea x U . Por ser U un conjunto abierto, existe > 0 tal que
(x , x + ) U A.
Por tanto, existe > 0 tal que (x , x + ) A, de donde resulta que x A.

As pues,
U A .
Veamos ahora A es un conjunto abierto, con lo que quedara demostrada la

propiedad. En efecto:
Sea x A. Por definicion, existe > 0 tal que (x , x + ) A. Como

(x , x + ) es un conjunto abierto y (x , x + ) A, por lo demostrado
anteriormente, resulta que
(x , x + ) A .
As pues,
x A ,
> 0 : (x , x + ) A .
Por definicion, el conjunto A es abierto.
61
3) Para demostrar la equivalencia, veamos las dos implicaciones:
Una de las dos inclusiones, A A, se verifica para cualquier conjunto

(vease apartado 1)).
Veamos, pues, la otra inclusion, en el caso que A sea abierto:
Sea x A. Por ser A un conjunto abierto, x es un punto interior de A,
y, por tanto, x A.
Supongamos que A= A. Entonces, para todo x A, se tiene que x A,

y, por tanto, cualquier punto del conjunto A es interior. Por definicion,
el conjunto A es abierto.
3.1.3.
Puntos adherentes
Definici
on 3.1.5. Sean C un subconjunto de R y x0 R. Se dice que x0 es adherente al conjunto C si para cada > 0 se tiene que:
(x0 , x0 + ) C 6= .
El conjunto de todos los puntos adherentes a un conjunto C se llama adherencia,
(cierre o clausura), de C y se designa por C o Cl(C).
Observaci
on 3.1.6. Un punto x0 R es adherente a C R viene a decir que en
el conjunto C hay infinitos puntos tan proximos a x0 como se quiera.
3.1.4.
Conjuntos cerrados
Definici
on 3.1.7. El conjunto C R es un conjunto cerrado si, y solo si
C c = R C (complementario de C),
es un conjunto abierto.
Proposici
on 3.1.8. Sea C un conjunto en R. Se tiene que:
1) C C.
2) El conjunto C es cerrado si, y solo si, C = C.
3) C c = (C)c .
62
4) C es el menor cerrado que contiene a C, es decir,
C=
\

F R : F cerrado , C F .
Demostracion. Sea C un conjunto en R.

1) Sea x C. Entonces > 0, x (x , x + ) C y, por tanto,
> 0,
(x , x + ) C 6= .
As pues, x C, de donde resulta que C C.

2) Para demostrar la equivalencia, veamos las dos implicaciones:
Una de las dos inclusiones, C C, se verifica para cualquier conjunto
(vease apartado 1)).
Veamos, pues, la otra inclusion por reduccion al absurdo:
Sea x C, y supongamos que x
/ C. Por ser C un conjunto cerrado, su
c
complementario, C , es un conjunto abierto, y x C c . Por tanto,
> 0 tal que (x , x + ) C c .
Es decir,
> 0 tal que (x , x + ) C =
y, en definitiva, x
/ C.
Hemos llegado, pues, a una contradiccion. Por tanto, x C.
Supongamos que C = C. Para demostrar que C es un conjunto cerrado,
hemos de ver que C c es abierto:
Sea x C c , es decir, x
/ C = C. Por no ser x un punto de adherencia de
C, se verifica que existe > 0 tal que
(x , x + ) C = ,
o, equivalentemente;
> 0 tal que (x , x + ) C c .
Por tanto, C c es un conjunto abierto y, por definicion, C es un conjunto
cerrado.
63
3) A partir de las definiciones, se tiene:
x C c > 0 tal que (x , x + ) C c

> 0 tal que (x , x + ) C =
x
/C
c
x C .
4) Por el apartado 1), tenemos que C C.
Veamos, en primer lugar, que si F es un conjunto cerrado, con C F , entonces
C F.
Si C F , entonces F c C c . Por definicion, si F es un conjunto cerrado, su
complementario, F c , es abierto. Por el apartado 2) de la Proposicion 3.1.4, si
F c C c , F c conjunto abierto, se verifica que
F c C c .
Por tanto, teniendo en cuenta el apartado 3),
F c C c = (C)c ,
de donde se deduce que
C F.
Veamos ahora que C es un conjunto cerrado, con lo que quedara demostrada
la propiedad.
Por el apartado 3), se verifica C c = (C)c . Como hemos demostrado que el

interior de un conjunto es un conjunto abierto, resulta que (C)c es abierto, y,
por definicion, su complementario, C, sera un conjunto cerrado.
Proposici
on 3.1.9. Un conjunto A de R es cerrado si, y solo si, para toda sucesion
(xn )n1 A y todo x R tales que lm xn = x, se tiene que x A.
n
Demostracion. Sea A un subconjunto de R.

Supongamos que A es un conjunto cerrado y que (xn )n1 es una sucesion de
elementos de A convergente a un elemento x R.
64
Demostremos entonces que x A:
n 1, xn A y
lm xn = x,
= n 1, xn A, y > 0, n0 N : xn0 +1 (x , x + ),
= > 0, (x , x + ) A 6= .
Como > 0 es un n
umero arbitrario, entones si tiende a 0, se tiene que
x A.
Supongamos ahora que A es un conjunto tal que, toda sucesion (xn )n1 en A,
convergente a un elemento x R, verifica que x A.
Demostremos entonces que A es cerrado:
x A = > 0, (x , x + ) A 6= ,

1
1
= n N, x , x +
A 6= ,
n
n

1
1
A,
= n N, xn x , x +
n
n
= (xn )n1 esta en A y lm xn = x
n
= x A.
Hemos as demostrado que A A y, por lo tanto A = A y entonces A es
cerrado.
3.1.5.
Puntos de acumulaci
on
Definici
on 3.1.10. Sean A un subconjunto de R y x0 R. Se dice que x0 es un
punto de acumulaci
on del conjunto A si para cada > 0 se tiene que:

(x0 , x0 + ) {x0 } A 6= .
El conjunto de todos los puntos de acumulacion de A se llama conjunto derivado
de A y se designa por A0 .
Observaci
on 3.1.11.
Un punto a R es de acumulacion de A R si hay infinitos puntos de A,
distintos del propio a, tan proximos como se quiera a dicho punto.
65
Un punto de acumulacion de A no tiene por que pertenecer al conjunto A.
Un conjunto finito, A, no puede tener puntos de acumulacion, mientras que
los conjuntos infinitos pueden tenerlos o no.
Definici
on 3.1.12. Si x A y x no es punto de acumulacion de A, se dice que x
es un punto aislado de A, es decir,
> 0 tal que (x , x + ) A = {x}.
3.1.6.
Algunas relaciones
Ejemplo 3.1.13. El conjunto

A=
n1
n
o
: nN
no es cerrado ni abierto, y
0
A= , A = {0}, A = A {0}.
Proposici
on 3.1.14. Sea A un subconjunto de R, entonces
A = A A0 .
Demostracion. Veamos las dos inclusiones:
Sea x R tal que x
/ A A0 . Entonces x
/Ayx
/ A0 . Luego, por definicion,
existe 0 > 0 tal que

(x 0 , x + 0 ) {x} A = ,
y como x
/ A concluimos que
(x 0 , x + 0 ) A = ,
con lo cual
x
/ A.
Sea x R tal que x
/ A. Por definicion existe 0 > 0 tal que
(x 0 , x + 0 ) A = ,
es decir
x
/A yx
/ A0 .
66
Corolario 3.1.15. Sea A un subconjunto de R.

A es cerrado si, y solo si, A0 A.
Demostracion. A = A = A A0 lo que implica A0 A.
Proposici
on 3.1.16. Sean A un subconjunto de R y x0 R.
umeros reales que converge

1) x0 A si, y solo si, para cada sucesion (xn )n1 de n
hacia x0 , existe n0 N tal que xn A para todo n n0 .
2) x0 A si, y solo si, existe una sucesion (xn )n1 A tal que
lm xn = x0 .
3) x0 A0 si, y solo si, existe una sucesion (xn )n1 A {x0 } tal que
lm xn = x0 .
Demostracion.
1) Supongamos que x0 A, por definicion existe > 0 tal que

(x0 , x0 + ) A.
Por otra parte si (xn )n1 R con lm xn = x0 , tenemos la existencia de
n
n0 N tal que
xn (x0 , x0 + ) para todo n n0 .
Por tanto, para todo n n0 tenemos
xn (x0 , x0 + ) A.
Veamos, el recproco por reduccion al absurdo:
Supongamos que
> 0, (x0 , x0 + ) 6 A.
Sea (xn )n1 R tal que lm xn = x0 . Fijamos un n
umero 0 > 0. Por
n
definicion del lmite existe m0 N tal que n m0 implica
xn (x0 0 , x0 + 0 ).
67
Por hipotesis tenemos que existe n0 N tal que
xn A para todo n n0 .
As que, si tomamos n max{n0 , m0 } se tiene que
xn (x0 0 , x0 + 0 ) y xn A.
Hemos llegado, pues, a una contradiccion. Por tanto,
> 0, (x0 , x0 + ) A.
Luego x0 A.
2) Supongamos que x0 A. Por definicion del punto adherente al conjunto
A tenemos

1
1
x0 , x0 +
A 6= , para todo n N.
n
n
Podemos construir entonces una sucesion de la siguiente forma:
Si n = 1 tomamos x1 (x0 1, x0 + 1) A.

Si n = 2 tomamos x2 x0 21 , x0 + 12 A.
As sucesivamente para cada n N tomamos

1
1
A.
xn x0 , x0 +
n
n
De esta manera obtenemos una sucesion (xn )n1 de puntos de A que
converge a x0 evidentemente.
Si existe una sucesion (xn )n1 en A tal que lm xn = x0 . Entonces para
n
todo > 0, existe n0 N tal que n > n0 implica
xn (x0 , x0 + ),
es decir
(x0 , x0 + ) A 6= .
Por tanto x0 A.
3) La demostracion es analoga a la de la proposicion anterior.
68
3.1.7.
Conjuntos compactos
Definici
on 3.1.17. Si dice que un subconjunto K de R es compacto si toda sucesion en K tiene una subsucesion convergente a un elemento de K.
Proposici
on 3.1.18. Un subconjunto K de R es compacto si, y solo si es cerrado
y acotado.
Demostracion. Sea K un subconjunto de R.
Para demostrar que si K es compacto entonces es cerrado, usaremos la Proposicion 3.1.9.
Sea (xn )n1 es una sucesion de elementos de K convergente a x R.
Como K es compacto, entonces existe (xnk )k1 una subsucesion de (xn )n1
que converge a un punto de K.
Sabemos que toda subsucesion de (xn )n1 converge hacia el mismo lmite x
(vease Proposicion 2.2.10).
Por tanto, se tendra obligatoriamente que x = lm xnk K, lo que nos permite
k
concluir que K es cerrado.

Ahora demostraremos que si K es compacto entonces es acotado. Razonemos
por contradiccion.
Supongamos que K no es acotado, entonces para cada n N existe un punto
xn K tal que
|xn | > n,
as conseguimos una sucesion (xn )n1 de puntos de K.
Cualquier subsucesion (xnk )k1 extrada de esta verificara
|xnk | > nk ,
y como los ndices nk forman una sucesion creciente, la sucesion (xnk )k1 no
podra estar acotada y por tanto no podra ser convergente (vease Proposicion
2.2.6).
Supongamos que K es cerrado y acotado. Sea (xn )n1 K.
Por ser K acotado, esta sucesion esta acotada.
Luego, por el Teorema 2.6.1 de Bolzano-Weierstrass, (xn )n1 tiene una subsucesion (xnk )k1 que converge a un punto x R.
Como K es cerrado contiene a los lmites de las sucesiones de puntos de el
(vease Proposicion 3.1.9) y por tanto x K.
As pues, de la sucesion (xn )n1 de partida ha sido posible extraer una subsucesion convergente hacia un punto de K, lo que prueba que K es compacto.
69
3.2.
Aplicaciones entre conjuntos
3.2.1.
Correspondencias y aplicaciones
Definici
on 3.2.1. Sean A y B dos conjuntos no vacos. Una correspondencia de
A en B es un subconjunto C del producto cartesiano
A B = {(x, y) : x A e y B}.
Definici
on 3.2.2. Sean A y B dos conjuntos no vacos. Se dice que una correspondencia C de A en B es aplicaci
on si ademas verifica la siguiente propiedad:
Para cada a A existe un, y solo un, b B tal que (a, b) C.
Habitualmente una aplicacion de A en B se representa por f : A B y se
denota por f (a) al u
nico elemento de B que es imagen de a por f .
3.2.2.
Tipos de aplicaciones
Definici
on 3.2.3 (Aplicaci
on inyectiva). Sean A y B dos conjuntos no vacos y
f : A B una aplicacion.
Se dice que f es inyectiva (o uno-uno) si verifica la siguiente propiedad:
x1 , x2 A, x1 6= x2
= f (x1 ) 6= f (x2 ).
O, equivalentemente,
x1 , x2 A, f (x1 ) = f (x2 ) = x1 = x2 .
Definici
on 3.2.4 (Aplicaci
on sobreyectiva). Sean A y B dos conjuntos no vacos
y f : A B una aplicacion.
Se dice que f es sobreyectiva, cuando cada elemento y B es la imagen
mediante f de alg
un elemento x A, es decir,
y B, x A (al menos uno) tal que f (x) = y
Definici
on 3.2.5 (Aplicaci
on biyectiva). Sean A y B dos conjuntos no vacos y
f : A B una aplicacion. Se dice que f es biyectiva si es inyectiva y sobreyectiva.
O, equivalentemente,
y B, ! (existe un u
nico) x A tal que f (x) = y.
70
Definici
on 3.2.6. Si f : A B es una biyeccion entre A y B, y C es la correspondencia que la define, entonces la correspondencia C 1 de B en A definida
por:
(b, a) C 1 si, y solo si, (a, b) C,
es tambien una aplicacion que se denomina aplicaci
on inversa de f y se denota
por
f 1 : B A.
Observaci
on 3.2.7. Si f : A B es biyectiva, entonces
f 1 (b) = a f (a) = b.
3.2.3.
Imagen directa y inversa de una aplicaci

on
Definici
on 3.2.8. Sean X y Y dos conjuntos no vacos y f : X Y una aplicacion
1) La imagen directa de un subconjunto A X por f es el conjunto de
puntos de Y que poseen alg
un antecedente en X mediante la aplicacion f y lo
denotaremos por:

f (A) = f (x) Y : x A

= y Y : existe alg
un x A con y = f (x) .
2) La imagen inversa de un subconjunto B Y por f es el conjunto de
todos los elementos de X cuya imagen mediante f es un elemento de B, y se
denota f 1 (B), es decir,
f 1 (B) = {x X : f (x) B}.
Observaci
on 3.2.9. La notacion f 1 (B) se usa incluso cuando no esta definida,
es decir, aunque f no sea biyectiva.
3.2.4.
Composici
on de aplicaciones
Definici
on 3.2.10. Sean f una aplicacion del conjunto A en el conjunto B y g una
aplicacion del conjunto B en el conjunto C.
Se llama composici
on de f con g, o f compuesta con g, y se denota g f ,
en este orden, a la aplicacion
h = g f : A C

x h(x) = g f (x) = g f (x) .
71
3.3.
Funciones reales de una variable real
Definici
on 3.3.1. Si una aplicacion definida en un conjunto X toma valores en un
conjunto numerico recibe el nombre de funci
on.
Definici
on 3.3.2. Una funcion se dice real de variable real si tanto los valores
que toma como la variable, son n
umeros reales.
Observaci
on 3.3.3. Como solo vamos a considerar funciones de este tipo, a partir
de ahora diremos simplemente funciones.
Definici
on 3.3.4. Sea f : X R R una funcion. El dominio de definici
on
de f esta formado por todos aquellos puntos x X para los cuales la expresion
f (x) tiene sentido y lo denotaremos por:

D(f ) = x X tal que f (x) esta definido = {x X : f (x) R}.
3.4.
Funciones crecientes y decrecientes
Definici
on 3.4.1. Sea f una funcion definida en un intervalo I.
1) Se dice que f es creciente en I si para cualquier par de puntos x1 , x2 en I
tales que x1 < x2 se tiene
f (x1 ) f (x2 ).
2) Se dice que f es estrictamente creciente en I si para cualquier par de
puntos x1 , x2 en I tales que x1 < x2 se tiene
f (x1 ) < f (x2 ).
3) Se dice que f es decreciente en I si para cualquier par de puntos x1 , x2 en
I tales que x1 < x2 se tiene
f (x1 ) f (x2 ).
4) Se dice que f es estrictamente decreciente en I si para cualquier par de
puntos x1 , x2 en I tales que x1 < x2 se tiene
f (x1 ) > f (x2 ).
Definici
on 3.4.2.
Una funcion mon
otona es una funcion creciente o decreciente.
Una funcion es estrictamente mon
otona es una funcion estrictamente
creciente o estrictamente decreciente.
72
3.5.
Lmite de una funci

on en un punto
Definici
on 3.5.1. Sean A un subconjunto no vaco de R, x0 un punto de acumulacion de A y f : A R una funcion.
Se dice que f tiene lmite (finito) cuando x tiende hacia x0 si existe un
n
umero real ` R verificando la siguiente propiedad:
Para cada n
umero real > 0, existe un n
umero real > 0 (que depende de ) tal
que, para cada

x (x0 , x0 + ) {x0 } A
(es decir, para cada x A con 0 < |x x0 | < ), se tiene que
f (x) (` , ` + )
(es decir, |f (x) `| < ).
En este caso el n
umero ` se denomina lmite de f en x0 , y escribimos
lm f (x) = `.
xx0
Observaciones 3.5.2. Sean A un subconjunto no vaco de R, x0 R y f : A R

una funcion.
1) Solo tiene sentido escribir lm f (x), cuando x0 es un punto de acumulacion
xx0
de A.
2) Si x0
/ A0 , entonces cualesquiera que sea ` R sera el lmite de f (x), cuando
x tiende a x0 .
En efecto, como x0
/ A0 existe > 0 tal que

Vx0 = x0 , x0 ) {x0 } A = .
Dado cualquier > 0, elegimos este y se tiene
= f (Vx0 ) (` , ` + ).
3) El punto x0 no necesariamente debe pertenecer al conjunto A.
Proposici
on 3.5.3 (Unicidad del lmite). Una funcion no puede tener dos lmites
distintos en un mismo punto.
Demostracion. Supongamos que `1 y `2 sean dos lmites de la funcion f en el punto
x0 .
73
Fijamos arbitrariamente el n
umero real > 0, entonces existen dos n
umeros
reales positivos 1 y 2 tales que
0 < |x x0 | < 1 , x A,
implica |f (x) `1 | <
0 < |x x0 | < 2 , x A,
implica |f (x) `2 | < .
y
Tomando = mn{1 , 2 }, es claro que para los puntos tales que
0 < |x x0 | < , x A
se verifican las dos implicaciones simultaneamente y como por otra parte es
|`1 `2 | |`1 f (x)| + |f (x) `2 |
resulta
|`1 `2 | < 2.
Luego, para todo n
umero real positivo , se tiene
|`1 `2 | < 2,
de donde se deduce que |`1 `2 | = 0, es decir, `1 = `2 .
3.6.
Lmites infinitos y lmites en el infinito
Definici
on 3.6.1. Sean A un subconjunto no vaco de R, x0 un punto de acumulacion de A y f : A R una funcion.
1) Se dice que f tiene lmite + cuando x tiende hacia x0 y se escribe
lm f (x) = +
xx0
si se verifica la siguiente propiedad:

Para cada n
umero real > 0 (que depende de
M ) tal que, para cada x A con
0 < |x x0 | < ,
se tiene
f (x) > M.
74
2) Se dice que f tiene lmite cuando x tiende hacia x0 y se escribe
lm f (x) =
xx0

Para cada n
umero real > 0 (que depende de
N ) tal que, para cada x A con
0 < |x x0 | < ,
se tiene
f (x) < N.
Definici
on 3.6.2. Sean A un subconjunto de R no acotado superiormente, ` R y
f : A R una funcion.
1) Se dice que f tiene lmite + cuando x tiende hacia + y se escribe
lm f (x) = +
x+

Para cada n
umero real K > 0 (que depende de
x > K,
se tiene
f (x) > M.
2) Se dice que f tiene lmite cuando x tiende hacia + y se escribe
lm f (x) =
x+

Para cada n
umero real K > 0 (que depende de
x > K,
se tiene
f (x) < N.
75
3) Se dice que f tiene lmite ` cuando x tiende hacia + y se escribe
lm f (x) = `
x+

Para cada n
umero real > 0 existe un n
umero real K > 0 (que depende de )
tal que, para cada x A con
x > K,
se tiene
|f (x) `| < .
Definici
on 3.6.3. Sean A un subconjunto de R no acotado inferiormente, ` R y
f : A R una funcion.
1) Se dice que f tiene lmite + cuando x tiende hacia y se escribe
lm f (x) = +

Para cada n
umero real K < 0 (que depende de
x < K,
se tiene
f (x) > M.
2) Se dice que f tiene lmite cuando x tiende hacia y se escribe
lm f (x) =

Para cada n
umero real K < 0 (que depende de
x < K,
se tiene
f (x) < N.
76
3) Se dice que f tiene lmite ` cuando x tiende hacia y se escribe
lm f (x) = `

Para cada n
umero real > 0 existe un n
umero real K < 0 (que depende de )
tal que, para cada x A con
x < K,
se tiene
|f (x) `| < .
3.7.
Caracterizaci
on del lmite por sucesiones
Proposici
on 3.7.1 (Lmite a trav
es de sucesiones). Sean A un subconjunto no
vaco de R, x0 un punto de acumulacion de A, f : A R una funcion y ` R.
Las siguientes propiedades son equivalentes:
1) lm f (x) = `.
xx0
2) Para cada sucesion (xn )n1 de puntos de A {x0 } tal que lm xn = x0 se

n
verifica lm f (xn ) = `
n
Demostracion.
1) 2) Supongamos que lm f (x) = `.
xx0
Sea > 0, entonces existe 0 > 0 tal que para cada x A con 0 <
|x x0 | < 0 se cumple |f (x) `| < .
Sea (xn )n1 una sucesion de puntos de A {x0 } tal que
lm xn = x0 .
Por definicion del lmite existe n0 N tal que para todo n > n0 se verifica
|xn x0 | < 0 ,
y como xn 6= x0 , se deduce que |f (xn ) `| < . Esto significa
lm f (xn ) = `.
77
2) 1) Vamos a probar que si 1) no se cumple, entonces 2) tampoco.
La proposicion 1) no se cumple significa que existe alg
un > 0 tal que
para todo > 0 hay al menos un x A que cumple
0 < |x x0 | < ,
y sin embargo
|f (x ) `| .
Para cada n N, elijamos = n1 . Hay alg
un punto xn A que cumple
0 < |xn x0 | < ,
y sin embargo
|f (xn ) `| .
La sucesion (xn )n1 as obtenida tiene las siguientes propiedades:
Esta contenida en A {x0 }, porque xn A, pero
0 < |xn x0 | < .
lm xn = x0 , porque 0 < |xn x0 | <
n
1
n
(Basta aplicar la regla del
sandwich, vease Proposicion 2.4.5).

La sucesion f (xn ) n1 no tiende a `, porque para todos los n N,
|f (xn ) `| .
Por lo tanto, no se cumple 2).
Proposici
on 3.7.2. Sean A un subconjunto no vaco de R, x0 A0 {}, f :
A R una funcion y ` R {}. Las siguientes propiedades son equivalentes:
1) lm f (x) = `.
xx0

n
verifica lm f (xn ) = `
n
Demostracion. Basta adaptar a cada caso la demostracion de la Proposicion 3.7.1.
78
3.8.
C
alculo de lmites
Proposici
on 3.8.1 (Operaciones algebraicas con lmites). Sean A R, x0
R {} un punto de acumulacion de A, R y f, g : A R dos funciones.
Se tiene:

1) lm f (x) + g(x) = lm f (x) + lm g(x), si estos u
ltimos lmites existen y
xx0
xx0
xx0
su suma esta definida en R {}.

h
i

2) lm f (x) = lm f (x) , si este u
ltimo lmite existe y su producto por
xx0
xx0
esta definido en R {}.

h
ih
i

3) lm f (x)g(x) = lm f (x) lm g(x) , si estos u
ltimos existen y su proxx0
xx0
xx0
ducto esta definido en R {}.

lm f (x)
xx0
f (x)
= lm g(x) , si estos ultimos lmites existen y su cociente
4) l
m
xx0 g(x)
xx0
esta definido en R {}.
Demostracion. Basta aplicar la Proposicion 3.7.2 y el resultado analogo para sucesiones.
Proposici
on 3.8.2. Si A R, x0 punto de acumulacion de A y f : A R una
funcion.
1) lm f (x) = ` R lm |f (x) `| = 0.
xx0
xx0
2) lm f (x) = ` = lm |f (x)| = |`|.

xx0
xx0
El recproco solo es cierto, en general, cuando ` = 0.

3.9.
Lmites y desigualdades
Definici
on 3.9.1 (Funci
on acotada). Sea f una funcion definida en un conjunto
X a valores reales. Se dice que f es acotada en X si existen , R tales que:
f (x)
para cada
x X,
o equivalentemente, si existe M > 0 tal que:

|f (x)| M
para cada
x X.
79
Proposici
on 3.9.2. Sean A R, x0 R {} un punto de acumulacion de A
y f, g : A R dos funciones. Supongamos que
1) La funcion f esta acotada.
2) lm g(x) = 0.
xx0
Entonces

lm f (x)g(x) = 0.
xx0
Demostracion. Basta aplicar la Proposicion 3.7.2 y el resultado analogo para sucesiones.

Proposici
on 3.9.3. Sean A R, x0 A0 , `1 , `2 R y f, g : A R. Si
lm f (x) = `1 < lm g(x) = `2 ,
xx0
xx0
entonces existe > 0, tal que para todo x A, con 0 < |x x0 | < se tiene
f (x) < g(x).
Demostracion. Sea =
`2 `1
,
2
es claro que > 0. Tenemos
`1 + =
`1 + `2
= `2 .
2
Para este , existe > 0 tal que para todo x A, con 0 < |x x0 | < se tiene
`1 < f (x) < `1 + y `2 < g(x) < `2 +
de donde
f (x) <
`1 + `2
< g(x).
2
Corolario 3.9.4. Si f (x) g(x) para todo x A {x0 } y lm f (x) = `1

xx0
lm g(x) = `2 entonces
xx0
`1 `2 .
Observaci
on 3.9.5. En el corolario anterior, no se puede cambiar por <.
Proposici
on 3.9.6 (Regla del sandwich). Sean A R, x0 R un punto de
acumulacion de A y f, g, h : A R funciones tales que:
80
1) Existe r > 0 de modo que
g(x) f (x) h(x)

para todo x (x0 r, x0 + r) {x0 } A.
2) Existen lm g(x) = lm h(x) = ` R .
xx0
xx0
Entonces
lm f (x) = `.
xx0
Demostracion. Dado > 0, existen 1 y 2 tales que

x (x0 r, x0 + r) {x0 } A = ` < g(x), h(x) < ` +
Tomando = mn{1 , 2 , r} > 0 se obtiene

x (x0 , x0 + ) {x0 } A = ` < g(x) f (x) h(x) < ` +
Corolario 3.9.7.
Si existe r > 0 tal que 0 |f (x)| g(x) para todo x (x0
r, x0 + r) {x0 } A, y lm g(x) = 0, entonces lm f (x) = 0.
xx0
3.10.
xx0
Propiedades locales del lmite
Proposici
on 3.10.1. Sean A un subconjunto no vaco de R, x0 un punto de acumulacion de A y f : A R una funcion. Supongamos que lm f (x) = ` R.
xx0
1) Existe > 0 tal que f esta acotada en (x0 , x0 + ).

2) Si ` > 0 entonces existen > 0 y c > 0 tales que 0 < c < f (x) para todo
x x0 , x0 + ) {x0 } A.
3) Si ` < 0 entonces existen > 0 y c > 0 tales que f (x) < c < 0 para todo
x x0 , x0 + ) {x0 } A.
4) Si ` 6= 0 entonces existe > 0 tal que el signo de f es constante e igual al
signo de ` en el conjunto x0 , x0 + ) {x0 } A.
Demostracion.
81
1) Hay que probar que existen > 0 y M > 0 tales que
|f (x)| M
x (x0 , x0 + ) A.
Por la definicion del lmite existe > 0 tal que

|f (x) l| < 1 x x0 , x0 + ) {x0 } A.

Por tanto, si x x0 , x0 ) {x0 } A entonces
|f (x)| |f (x) `| + |`| < 1 + |`|.
Tomando

M = max 1 + |`|, 1 + |f (x0 )| > 0,
Se obtiene por tanto la acotacion deseada.
2) De la definicion de lmite aplicada a = 2` se deduce la existencia de > 0 tal
que

`
`
x x0 , x0 + ) {x0 } A.
< f (x) l <
2
2
El resultado se cumple por tanto tomando este > 0 y c = 2` > 0.
3) Aplicando el apartado anterior a f se demuestra que existen > 0 y c > 0
tales que

0 < c < f (x) x x0 , x0 + ) {x0 } A.
Por tanto

f (x) < c < 0 x x0 , x0 + ) {x0 } A.
4) Analogamente a los apartados 1) y 2).
3.11.
Lmite de la funci
on compuesta
Proposici
on 3.11.1. Sean A, B subconjuntos de R, x0 un punto de acumulacion
de A, y0 un punto de acumulacion de B, f : A B y g : B R. Supongamos
que
lm f (x) = y0 , lm g(y) = ` R.
xx0
yy0
Si y0
/ f (A), entonces

lm g f (x) = `.
xx0
82
Demostracion. Dado > 0. Como lm g(y) = `, existe > 0 tal que, cuando
yy0

y y0 , y0 ) {y0 } B,
entonces
|g(y) `| < .
Para el anterior dado, como lm f (x) = y0 , existe > 0 tal que, cuando
xx0

x x0 , x0 + ) {x0 } A,
entonces
|f (x) y0 | < .
Por otra parte, como y0
/ f (A) y f (A) B, se tiene

f (x) y0 , y0 + ) {y0 } B.
Finalmente, para

x x0 , x0 + ) {x0 } A,
se tiene

g f (x) ` < .
Observaciones 3.11.2.
1) La hipotesis y0
/ f (A) es suficiente, pero no es necesaria para que se verifique
la tesis.
2) El resultado tambien es cierto, por ejemplo, si f es una funcion inyectiva o
que y0 B y g(y0 ) = `.
3) Sin a
nadir alguna condicion como estas, no puede garantizarse la validez del
resultado final.
Ejemplo 3.11.3. Sean f, g : R R funciones definidas por:

0 si y 6= 0,
f (x) = 0 x R ,
g(y) =
1 si y = 0.

Entonces g f (x) = g(0) = 1 para todo x R, y as

lm g f (x) = 1.
x0
En cambio,
lm f (x) = 0 f (R) = {0},
x0
lm g(y) = 0.
y0
83

0 si x I,
0 si y =
6 0,
f (x) =
g(y) =
x si x Q,
1 si y = 0.
Tenemos
lm f (x) = 0 f (R) = Q,
x0
lm g(y) = 0,
y0
pero

(g f )(x) =
0
1
si
si
x Q {0},
x I {0},
no tiene lmite en el punto x0 = 0, ya que g f no tiende cerca de 0 hacia ning

un
n
umero ` R. En efecto, no es posible hacer
|(g f )(x) `| <
1
5
por mucho que se aproxima x a 0, porque en cualquier intervalo alrededor de 0 existen

n
umeros x R con (g f )(x) = 0 y tambien n
umeros x R con (g f )(x) = 1, de
modo que deberamos tener al mismo tiempo
|0 `| <
3.12.
1
1
y |1 `| < .
5
5
Lmites laterales
Definici
on 3.12.1. Sean A R, f : A R, x0 Run punto de acumulacion de
A y ` R.
1) Se dice que ` es el lmite por la derecha de f en el punto x0 y se denota
por:
lm+ f (x) = `,
xx0
si para todo > 0 existe > 0 tal que, para todo x A con
x0 < x < x0 + ,
se tiene que:
|f (x) `| < .
2) Se dice que ` es el lmite por la izquierda de f en el punto x0 y se
denota por:
lm f (x) = `,
xx0
84
si para todo > 0 existe > 0 tal que, para todo x A con
x0 < x < x0 ,
se tiene que:
|f (x) `| < .
Ejemplo 3.12.2. Aunque lm
x0
x = 0, no existe
lm
x,
x0
ya que la funcion
no esta definida en (, 0).
Proposici
on 3.12.3. Sean A R, f : A R y x0 R de modo que (x0 , x0 +
) A para alg
un > 0. Sea ` R. Entonces,
lm f (x) = ` lm+ f (x) = lm f (x) = `.
xx0
xx0
xx0
Demostracion.
Inmediata.
Si lm+ f (x) = lm f (x) = `, entonces dado > 0, existe > 0 tal que para
xx0
xx0
x A (x0 , x0 + ) se tiene
|f (x) `| < ,
y para cada x A (x0 , x0 ) se tiene
|f (x) `| < .

Luego si x A (x0 , x0 + ) {x0 } , entonces
|f (x) `| < .
Ejemplo 3.12.4. Tomemos la funcion f (x) = |x|

. Esta funcion esta definida para
x
todo n
umero real x excepto para x0 = 0. Observemos que en realidad se trata de la
funcion

1
si x < 0
f (x) =
1
si x > 0
85
Por tanto, para cualquier n
umero real c, c 6= 0, tenemos
lm f (x) = f (c).
xc
En cambio, en el punto 0,
lm = 1 6= lm+ = 1.
x0
x0
As que la funcion f no tiene lmite en el punto 0.

Definici
on 3.12.5. Sean A R, f : A R una funcion, x0 R un punto de
acumulacion de A.
1) Se dice que lm+ f (x) = + si para cada M > 0 existe > 0 tal que para
xx0
cada x A con
x0 < x < x0 + ,
se tiene
f (x) > M.
2) Se dice que lm+ f (x) = si para cada N < 0 existe > 0 tal que para
xx0
cada x A con
x0 < x < x0 + ,
se tiene
f (x) < N.
3) Se dice que lm f (x) = + si para cada M > 0 existe > 0 tal que para
xx0
cada x A con
x0 < x < x 0 ,
se tiene
f (x) > M.
4) Se dice que lm f (x) = si para cada N < 0 existe > 0 tal que para
xx0
cada x A con
x0 < x < x 0 ,
se tiene
f (x) < N.
Proposici
on 3.12.6. Sean A R, f : A R monotona creciente, x0 R
{}.
86

0
1) Si x0 A (, x0 ) , entonces f tiene lmite por la izquierda en x0 (finito
o infinito) y es

lm f (x) = sup f (x) : x A (, x0 ) ,
xx0
(entendiendo que si el conjunto no esta acotado superiormente, su supremo es

+).

0
2) Si x0 A (x0 , +) entonces f tiene lmite por la derecha en x0 (finito o
infinito) y es

lm+ f (x) = nf f (x) : x A (x0 , +) ,
xx0
(entendiendo que si el conjunto no esta acotado inferiormente, su nfimo es

).
Demostracion. Solo demostramos el apartado 1) y en el caso de que x0 R y el
conjunto {f (x) : x A (, x0 )} este acotado. Los demas casos son similares.
Sea ` = sup{f (x) : x A (, x0 )} y sea > 0. Entonces, ` no es
una cota superior del conjunto {f (x) : x A (, x0 )}. As que existe alg
un
r A (, x0 ) tal que
` < f (r).
Si ahora elegimos = x0 r, todos los x A tales que 0 < x0 x < cumplen
r = x0 < x,
luego
` < f (r) f (x) ` < ` + ,
es decir
|f (x) `| < .
Proposici
on 3.12.7. Sean A R, f : A R monotona decreciente, x0 R
{}.

0
1) Si x0 A (, x0 ) , entonces f tiene lmite por la izquierda en x0 (finito
o infinito) y es

lm f (x) = nf f (x) : x A (, x0 ) ,
xx0
(entendiendo que si el conjunto no esta acotado inferiormente, su nfimo es

).
87

0
2) Si x0 A (x0 , +) entonces f tiene lmite por la derecha en x0 (finito o
infinito) y es

lm+ f (x) = sup f (x) : x A (x0 , +) ,
xx0
(entendiendo que si el conjunto no esta acotado superiormente, su supremo es

+).
Demostracion. Analogo al anterior.
3.13.
Funciones equivalentes en un punto
Definici
on 3.13.1. Sean A un subconjunto no vaco de R, x0 R un punto de
acumulacion de A, y f , g dos funciones reales definidas en A.
Se dice que f es equivalente a g en el punto x0 , y escribimos
f x0 g
si existe > 0 y una funcion h definida en

A (x0 , x0 + ) {x0 }
tal que:
1)
lm h(x) = 1,
xx0
2) f (x) = h(x)g(x) para cada

x A (x0 , x0 + ) {x0 } .
Proposici
on 3.13.2. Sean A un subconjunto no vaco de R, x0 R un punto de
acumulacion de A, y f , g, h, , funciones definidas de A en R. Se verifica:
1) Si f x0 g y g x0 h, entonces f x0 h.
2) Si f (x) 6= 0 y g(x) 6= 0 para cada x A, y f x0 g, entonces
f (x)
xx0 g(x)
3) Si g(x) 6= 0 para cada x A y lm
1
f
x0 g1 .
= 1 , entonces f x0 g.
4) Si f x0 g y x0 , entonces f x0 g.
5) Si f x0 g, entonces ambas funciones tienen el mismo comportamiento en
el punto x0 , es decir, tienen lmite o no en dicho punto simultaneamente.
Ademas, si tienen lmite, finito o infinito, dicho lmite es el mismo.
88
Observaci
on 3.13.3. No es cierto en general que si f x0 g y x0 , entonces
f + x0 g + .
= 1 tenemos sin(x) 0 x y trivialmente x 0
Ejemplo 3.13.4. Como lm sin(x)
x0 x
x.
Si ahora sumamos obtenemos que
sin(x) x 0 0
y esto es falso porque existira un entorno del origen donde la funcion
sin(x) x
sera nula.
Definici
on 3.13.5. Sea A un subconjunto de R no esta acotada superiormente
(respectivamente inferiormente) y f , g, funciones definidas de A en R.
Se dice que f y g son equivalentes en + (respectivamente ) si existe M > 0
y una funcion h tal que
f (x) = h(x)g(x) para todo x > M, (respectivamente x < M )
tal que
lm h(x) = 1 (respectivamente
x+
lm h(x) = 1).
Utilizandose en estos casos las expresiones f + g o f g.

Ejemplos 3.13.6.
1) sin(x) 0 x,
2) 1 cos(x) 0
x2
,
2
3) tg(x) 0 x,
4) ln(1 + x) 0 x,
5) ex 1 0 x.
3.14.
Condici
on de Cauchy para funciones
Proposici
on 3.14.1. Sean A R, x0 R un punto de acumulacion de A y f :
A R. Las siguientes propiedades son equivalentes:
1) lm f (x) existe
xx0
89
2) Condici
on de Cauchy: para cada > 0 existe > 0 tal que para todo x A
con 0 < |x x0 | < y 0 < |y x0 | < , se tiene |f (x) f (y)| < .
n

verifica que la sucesion f (xn ) n1 es de Cauchy.
Demostracion.
1) 2) Sea lm f (x) = ` R. Dado > 0, entonces existe > 0 tal que, para
xx0
x, y A, con 0 < |x x0 | < y 0 < |y x0 | < , se tiene

|f (x) `| <
y |f (y) `| < .
2
2
Luego
|f (x) f (y)| < .
2) 3) Es una comprobacion sencilla.
3) 1) Sea (xn )n1 una sucesion de n
umeros en A {x0 } tal que
lm xn = x0 .

Como la sucesion f (xn ) n1 es de Cauchy tendra un lmite `, posiblemente distinto para cada sucesion (xn )n1 .
Seg
un la caracterizacion del lmite mediante sucesiones (Proposicion 3.7.1),
para completar la demostracion sera suficiente que probemos que
lm f (xn )
es el mismo para todas las sucesiones (xn )n1 .

Sean, (yn )n1 , (zn )n1 sucesiones de puntos de A {x0 } tales que
lm yn = lm zn = x0 ,
y sean
lm f (yn ) = `1 ,
lm f (zn ) = `2 .
La sucesion (xn )n1 definida por

x2n1 = yn , x2n = zn
es una sucesion de puntos de A {x0 } con
lm xn = x0 .
90

Luego f (xn ) n1 sera una sucesion convergente. Si ` es su lmite, como

f (yn ) n1 , f (zn ) n1 son subsucesiones suyas, debe cumplirse
`1 = `2 = `.
3.15.
Lmites de restricciones
Definici
on 3.15.1. Sean A un subconjunto de R y f : A R una funcion. Sea
B A. La funcion f restringida a B, es la funcion que denotamos por f |B , y
definida por:
f |B : B R
b f |B (b) = f (b).
Si x0 R es un punto de acumulacion de B, y existe
lm f |B (x),
xx0
entonces, este lmite, se denomina lmite de f (x) cuando x tiende a x0 a trav

es
de B, y se denota por:
lm f (x).
xx
0
xB
Analogamente se definen los lmites a traves de subconjuntos B en + o ; en

este caso se requiere, por supuesto, que el conjunto B no este acotada superiormente
o inferiormente, seg
un corresponda.
Proposici
on 3.15.2. Sean f : A R R, x0 R {} un punto de
acumulacion de A, ` R {}. Se cumple:
1) Si B A y x0 B 0 , entonces
lm f (x) = ` = lm f |B (x) = `.
xx0
xx0
El recproco, en general, no es cierto.

2) Si B es un conjunto abierto y x0 B, entonces
lm f (x) = ` lm f |B (x) = `.
xx0
Demostracion. Facil.
xx0
91
3.16.
Funciones continuas
Definici
on 3.16.1. Sean A un subconjunto no vacio de R, x0 A y f : A R
una funcion.
Se dice que f es continua en el punto x0 si se verifica la siguiente propiedad:
Para cada > 0 existe un > 0 (que depende de ) tal que, si:

x A y |x x0 | <
equivalentemente, x (x0 , x0 + ) A ,
entonces:
|f (x) f (x0 )| <

equivalentemente, f (x) f (x0 ) , f (x0 ) + .
Se dice que f es continua en A si es continua en cada punto de A.

Proposici
on 3.16.2. Sean A un subconjunto no vacio de R, x0 A un punto de
acumulacion de A y f : A R una funcion. Son equivalentes:
1) f es continua en x0 .
2) Existe lm f (x) y es precisamente f (x0 ), es decir:
xx0
lm f (x) = f (x0 ).
xx0
Observaci
on 3.16.3. Para que f sea continua en x0 se tiene que cumplir las tres
condiciones siguientes:
1) Que f este definida en x0 , es decir x0 D(f ).
2) Que exista
lm f (x) y que sea finito. Observese que x0 ha de ser punto de
xx0
acumulacion de D(f ), pues en caso contrario no tendra sentido considerar el

correspondiente lmite.
3) Que el lmite anterior sea f (x0 ): lm f (x) = f (x0 ).
xx0
Si alguna de las condiciones anteriores falla entonces f es discontinua en x0 .

Proposici
on 3.16.4. Sean A un subconjunto no vacio de R, x0 A un punto
aislado de A y f : A R una funcion. Entonces f es continua en x0 .
92
Demostracion. Como x0 es un punto aislado de A, existe > 0 tal que
(x0 , x0 + ) A = {x0 },
para > 0 tomamos ese , y se tiene
x (x0 , x0 + ) A = x = x0 ,
luego
|f (x) f (x0 )| = 0 < .
Ejemplo 3.16.5. Toda funcion f : N R o f : Z R es continua en cada

punto n N o n Z, respectivamente.
Ejemplo 3.16.6. La funcion de Dirichlet,

1 si
f (x) =
0 si
xQ
x
/Q
no es continua en ning
un punto.
Proposici
on 3.16.7. Sean A un subconjunto no vacio de R, x0 A y f : A R
una funcion. Son equivalentes:
2) Para cada sucesion (xn )n1 de elementos de A, con lm xn = x0 , se tiene
n
lm f (xn ) = f (x0 ).
Demostracion. Analoga a la de la Proposicion 3.7.2.

Proposici
on 3.16.8. Sean A un subconjunto no vacio de R, x0 A, R, y
f, g : A R funciones continuas en el punto x0 . Se verifica que:
1) f + g es continua en x0 .
2) f g es continua en x0 .
4) Si g(x0 ) 6= 0 entonces
f
g
es continua en x0 .
93
3.17.
Continuidad de la funci
on compuesta
Proposici
on 3.17.1. Sean f : A R R y g : B R R funciones tales
que f (A) B. Si f es continua en el punto x0 A y g es continua en el punto
f (x0 ) B, entonces la funcion compuesta g f es continua en x0 .
Demostracion. Sea > 0. Como g es continua en el punto f (x0 ), entonces existe
> 0 tal que para todo y B con |y f (x0 )| < , se tiene
|g(y) g(f (x0 ))| < .
Ahora, como f es continua en x0 , entones existe > 0 tal que para todo x A con
|x x0 | < , se tiene
|f (x) f (x0 )| < .
Sea x A con |x x0 | < , entonces f (x) B y
|f (x) f (x0 )| < ,
luego
|g(f (x)) g(f (x0 ))| < .
Corolario 3.17.2. Sean f : A R R, g : B R R funciones y x0 A0 .
Supongamos que lm f (x) = b R, y que g es continua en b B . Entonces, existe
xx0
h
i

lm g f (x) = g lm f (x) .
xx0
xx0
Demostracion. Basta aplicar la Proposicion anterior a las funciones g y f : A

{x0 } B definida por

f (x) si x A, x 6= x0 ,
f (x) =
b
si x = x0 .
Observaci
on 3.17.3. Si la funcion g no es continua en el valor del lmite de f ,
este corolario no es cierto en general.

1 si y 6= 0,
f (x) = x x R ,
g(y) =
0 si y = 0.
Entonces
h
i

lm g f (x) = 1 6= 0 = g(0) = g lm f (x) .
xx0
xx0
En este caso el problema esta en que, aunque g s tiene lmite en 0, su valor no

coincide con el que toma g en 0.
94
3.18.
Continuidad en intervalos
Definici
on 3.18.1. Una funcion f : A R R es continua por la derecha
en x0 A si
lm+ f (x) = f (x0 ).
xx0
Analogamente, diremos que f es continua por la izquierda en x0 A si

lm f (x) = f (x0 ).
xx
0
Ejemplo 3.18.2. La funcion x 7

izquierda en 0. ya que no existe
x es continua por la derecha pero no por la
lm
x.
x0
Ejemplo 3.18.3. La funcion x 7 [x] es continua por la derecha, pero no por la

izquierda, en todos los puntos de Z.
Proposici
on 3.18.4. Si f : A R R es continua en A y B A, entonces la
funcion f |B es tambien continua en B.
Demostracion. Sea x0 B. Si x0 es un punto aislado de A, la prueba es inmediata.
Por otra parte, si x0 A0 , el resultado se deduce del correspondiente definicion del
lmite.
Observaci
on 3.18.5. El recproco no es cierto en general, es decir, puede ocurrir
perfectamente que f |B sea continua sin que ello implique que f es continua en B.
Ejemplo 3.18.6. Sea
f : R R

1
x
0
si
si
x 6= 0
x=0
con B = {0}, la funcion

f |B : {0} R
0 f |B (0) = f (0) = 0
es continua en B = {0} ya que
lm f |B (x) = lm f (0) = 0 = f |B (0),
x0
x0
mientras la funcion f no es continua en B = {0} ya que

lm f (x) = 1 6= 0 = f (0).
x0
95
Definici
on 3.18.7. Una funcion f : A R R es continua en un intervalo
cerrado [a, b] A, si f es continua en x para todo x (a, b), es continua por la
derecha en a y es continua por la izquierda en b.
Equivalentemente, f es continua en [a, b] si f |[a,b] , la restriccion de f al intervalo
[a, b], es continua en x para todo x [a, b].
Ejemplo 3.18.8. La funcion parte entera es continua en los intervalos [0, 21 ] y [0, 1),
y no lo es en el intervalo [0, 1] (al no ser continua por la izquierda en 1).
Ejemplo 3.18.9. La funcion
f : R R

x
1
x
si
si
x 6= 0
x=0
no es continua en [1, 1], ya que no es continua en 0.
3.19.
Teoremas fundamentales
Proposici
on 3.19.1 (Conservaci
on del signo). Si f : A R R es continua
en x0 y f (x0 ) > 0, entonces existen > 0 y > 0 tales que
f (x) > > 0,
x (x0 , x0 + ) A.
Un resultado analogo es valido si f (x0 ) < 0.

Demostracion. Inmediata por la Proposicion 3.10.1.
Observaci
on 3.19.2. Este resultado es valido tambien cuando f es continua por la
derecha o por la izquierda en x0 y f (x0 ) 6= 0.
Por ejemplo, si f es continua por la derecha en x0 y f (x0 ) > 0 entonces existen
> 0 y > 0 tales que
f (x) > > 0,
3.19.1.
x D(f ) [x0 , x0 + ).
Teorema de Bolzano
Teorema 3.19.3 (Bolzano). Sea f : [a, b] R R una funcion continua.

Supongamos que f (a)f (b) < 0. Entonces existe x0 (a, b) tal que f (x0 ) = 0.
Demostracion. Podemos suponer, sin perdida de generalidad, que f (a) < 0 y f (b) >
0. Definimos el conjunto A mediante
A = {t [a, b] : f (t) < 0}.
96
Como f (a) < 0, entonces a A, luego A 6= . Ademas, por construccion de A,
tenemos
t A, t b.
Por el axioma del supremo, existe x0 = sup A. Probaremos a continuacion que
f (x0 ) = 0.
En primer lugar, es facil ver que x0 (a, b). En efecto, como f (a) < 0 y f es
continua por la derecha en a, entonces por la proposicion de conservacion del signo,
existe > 0 tal que
f (x) < 0, x [a, a + ).

Puesto que a + 2 [a, a + ), entonces f a + 2 < 0, es decir, a + 2 A, por tanto
x0 = sup A a +
> a.
2
Analogamente, al ser f continua por la izquierda en b y f (b) > 0, f es positiva un

intervalo de la forma (b , b] con > 0. Como b 2 (b , b], entonces

> 0,
f b
2
es decir,
b
/ A.
2
Por tanto
< b.
2
Probemos ahora que f (x0 ) = 0, eliminando las posibilidades f (x0 ) < 0 y f (x0 ) >
x0 = sup A b
0.
Supongamos que f (x0 ) < 0. Seg
un la Proposicion 3.19.1, existe un > 0 tal que
f (t) < 0,
t (x0 , x0 + ).
Entonces los puntos del intervalo (x0 , x0 + ) estaran todos en A, y por tanto x0 no
sera una cota superior de A.
Supongamos, que f (x0 ) > 0. Entonces por la Proposicion 3.19.1 existe > 0 tal
que
f (t) > 0, t (x0 , x0 + ).
Por otra parte tenemos,
t A,
t x0 .
97
En efecto: supongamos que existe t0 A tal que t0 > x0 , entonces como x0 =
sup A se tiene que
x0 < t0 x0
esto implica que
f (t0 ) < 0 y f (t0 ) > 0,
lo cual es imposible. Por tanto
t A,
t x0 .
Esto significa que x0 es una cota superior de A. Pero

x0 < x0
y x0 = sup A.
De este modo la suposicion f (x0 ) > 0 lleva tambien a una contradiccion. La u

nica
posibilidad es por tanto que f (x0 ) = 0.
Observaci
on 3.19.4. El resultado es falso en general si f deja de ser continua
incluso en un solo punto de [a, b].
Ejemplo 3.19.5. La funcion escalon
f : [1, 1] R

1
x
si
si
x>0
x0
continua en [1, 1] {0}.
3.19.2.
Teorema de los valores intermedios
Teorema 3.19.6 (Teorema de los valores intermedios o de Darboux). Si

f : [a, b] R R una funcion continua y f (a) < < f (b), entonces existe
x0 (a, b) tal que
f (x0 ) = .
Un resultado analogo es valido si f (b) < < f (a).
Demostracion. 1) Dividimos [a, b] en dos intervalos cuyo extremo com
un es el punto
a+b
medio 2 .
Si f ( a+b
) = , ya se ha encontrado el x0 = a+b
buscado.
2
2
Si no, para alguno de los dos intervalos, que designamos [a1 , b1 ], sucede que es
intermedio entre f (a1 ) y f (b1 ).
Continuando el proceso se obtienen dos sucesiones monotonas (an )n1 y (bn )n1
convergentes ambas a un n
umero x0 [a, b].
98

Como f es continua en x0 , entonces las dos sucesiones f (an ) n1 y f (bn ) n1
convergen a f (x0 ).
Por otra parte, al ser intermedio entre f (an ) y f (bn ) para cada n N, se tiene
que f (x0 ) = con lo que, ademas, x0 6= a, b.
Demostracion. 2) Basta aplicar el Teorema de Bolzano a g = f , que sigue siendo
continua en [a, b] y cumple g(a) = f (a) < 0, g(b) = f (b) > 0. Existe entonces
x0 (a, b) tal que g(x0 ) = f (x0 ) = 0. Para probar la segunda afirmacion, basta
aplicar lo anterior a la funcion f .
3.19.3.
Teorema de acotaci
on
Teorema 3.19.7. Si f : [a, b] R R es continua, entonces f esta acotada en

[a, b].
Demostracion. Supongamos que f no esta acotada, entonces para cada n N existe
un punto xn [a, b] tal que |f (xn )| > n. En particular,
lm |f (xn )| = +.
Como la sucesion (xn )n1 esta acotada, as que, por el Teorema 2.6.1 de BolzanoWeierstrass, hay alguna subsucesion (xnk )k1 suya que converge, es decir, existe
x0 [a, b] tal que
lm xnk = x0 .
k
Por otra parte tenemos

lm |f (xnk )| = +,

por ser una subsucesion de |f (xn )| n1 . Entonces, la funcion f no es continua en
x0 , ya que si lo fuera debera ser
k
lm |f (xnk )| = |f (x0 )|.
Pero esto contradice el hecho de que f es continua en [a, b].

Observaci
on 3.19.8. Si hay un solo punto de [a, b] en que f sea discontinua, entones el resultado anterior es falso.
f : [1, 1] R

x
continua en [1, 1] {0}.
1
x
si
si
x 6= 0
x=0
99
Observaci
on 3.19.10. Es fundamental que el intervalo en que f es continua sea
compacto, es decir cerrado y acotado a la vez. Por ejemplo, la funcion anterior es
continua pero no esta acotada en el intervalo acotado (0, 1).
3.19.4.
Teoremas de Weierstrass
Proposici
on 3.19.11. Sea f : K R R continua. Supongamos que K es
compacto, entonces f (K) es compacto.
Demostracion. Sea (yn )n1 una sucesion en f (K), es decir, para cada n 1, yn
f (K), luego existen xn K tales que yn = f (xn ). Como K es compacto, la sucesion
(xn )n1 de elementos de K, posee una subsucesion (xnk )k1 convergente, luego ynk =
f (xnk ) forma una subsucesion de (yn )n1 .
Teorema 3.19.12 (Weierstrass). Sea f una funcion continua en un intervalo
cerrado y acotado [a, b], entonces existen x1 , x2 [a, b] tales que
mn f (y) = f (x1 ) f (x) f (x2 ) = max f (y)
y[a,b]
y[a,b]
para todo x en [a, b].

Demostracion. Sea f : [a, b] R continua. Por el Teorema 3.19.7 sabemos que
esta acotada. Por tanto el conjunto

A = f (x) : x [a, b]
tiene supremo e nfimo en R. Sean
= sup A R,
= nf A R.
Se trata de probar que ese supremo y ese nfimo se alcanzan, es decir, que existen
ciertos x2 , x1 [a, b] tales que
f (x1 ) = ,
f (x2 ) = .
Para cada n N, el n
umero n1 no es una cota superior de f , de modo que
podemos elegir alg
un xn [a, b] tal que
1
< f (xn ) .
n
En particular,
lm f (xn ) = .
100
Como la sucesion (xn )n1 esta acotada, tendra alguna subsucesion (xnk )k1 convergente hacia x1 [a, b], es decir,
lm xnk = x1 .

Como la funcion f es continua en todos los puntos de [a, b] y f (xnk )
es una
k1

subsucesion de f (xn ) n1 , entonces
f (x1 ) = lm f (xnk ) = .
k
De manera analoga se demuestra que existe alg

un punto x2 [a, b] tal que
f (x2 ) = .
Observaci
on 3.19.13. El teorema anterior puede fallar si f es discontinua en
alg
un punto de [a, b] o si f es continua en un intervalo no compacto. Por ejemplo,
la funcion x 7 x1 es continua y acotada en el intervalo cerrado [1, +). Sin
embargo, f no alcanza su mnimo en dicho intervalo.
3.20.
Funciones mon
otonas y continuidad
Proposici
on 3.20.1. Sea I R un intervalo, f : I R continua. Entonces f (I)
es un intervalo.
Demostracion. Sean
= nf f (x),
xI
= sup f (x)
xI
( puede ser si f no esta acotada inferiormente y puede ser + si f no

esta acotada superiormente).
Sea y R tal que < y < . Lo que debemos probar es que existe x I tal que
f (x) = y.
En efecto, por las definiciones de supremo e nfimo si la funcion esta acotada o por
la definicion de conjunto no acotado si uno de los extremos es o + o ambos
casos, existen a, b I, tales que
f (a) < y < f (b),
y por el Teorema de los valores intermedios existe x entre a y b, tal que
f (x) = y.
101
Proposici
on 3.20.2. Si f : R R es una funcion estrictamente monotona en
un intervalo I, entonces f es continua en I si y solo si f (I) es un intervalo.
Demostracion. Por el teorema anterior, basta probar que si f es (por ejemplo) estrictamente creciente y f (I) es un intervalo, entonces f es continua en I (en el otro
caso, se sigue de forma analoga). Sea x0 I, entonces

lm f (x) = sup f (x) : x I, x < x0 f (x0 )
xx0

lm+ f (x) = nf f (x) : x I, x > x0 f (x0 )
xx0
(esto, en caso de que x0 no sea uno de los extremos del intervalo; si lo es, la demostracion se reduce a tomar el u
nico lmite lateral que tenga sentido).
Se trata de probar que las dos desigualdades son igualdades. Supongamos que,
por ejemplo,

sup f (x) : x I, x < x0 < f (x0 ),
(para la otra desigualdad se procede de manera similar). Elijamos cualquier tal
que

sup f (x) : x I, x < x0 < < f (x0 ).
Entonces,
f (x) < ,
x I, x < x0 .
Por otra parte, si x I, pero x x0 , resulta que

< f (x0 ) f (x).
As que
f (x) 6= ,
para todo x I.
Luego
/ f (I).
Sin embargo, tomando cualquier x I tal que x < x0 , se tiene
f (x) < < f (x0 ),
donde f (x), f (x0 ) f (I).
Por lo tanto, f (I) no es un intervalo, lo que contradice las hipotesis.

Proposici
on 3.20.3. Si f : I R R es continua en I, entonces f es inyectiva
en I si y solo si f es estrictamente monotona en I.
102
Demostracion. Basta probar que si f es continua e inyectiva en el intervalo I entonces f es estrictamente monotona en I.
Supongamos que no lo fuera; entonces (al ser f inyectiva) existiran tres puntos
x0 < y0 < z0 en el intervalo I tales que
f (x0 ) < f (y0 ) y f (y0 ) > f (z0 ),
o
f (x0 ) > f (y0 ) y f (y0 ) < f (z0 ).
Veamos, por ejemplo, que no se puede dar la primera de estas dos posibilidades
(la segunda se trata exactamente igual, o simplemente se aplica lo que veremos a
continuacion a la funcion f ).
En efecto, [x0 , y0 ] I e [y0 , z0 ] I al ser I un intervalo, y al ser f continua en
I tambien lo sera en [x0 , y0 ] y en [y0 , z0 ].

Si f (z0 ) > f (x0 ), entonces f (z0 ) f (x0 ), f (y0 ) . Aplicando el teorema de los
valores intermedios a f en el intervalo [x0 , y0 ], deducimos que existe t0 (x0 , y0 ) tal
que
f (t0 ) = f (z0 ).
Pero esto contradice claramente la inyectividad de f en I, ya que
t0 < y0 < z0
implica que t0 6= z0 .

Analogamente, si f (z0 ) < f (x0 ) entonces f (x0 ) f (z0 ), f (y0 ) . El teorema de
los valores intermedios aplicado a f en el intervalo [y0 , z0 ] proporciona la existencia
de s0 (y0 , z0 ) tal que
f (s0 ) = f (x0 ).
Esto es, de nuevo, contradictorio, ya que
x0 < y0 < s0
implica que x0 6= s0 .
Teorema 3.20.4 (Continuidad de la funci

on inversa). Sea I un intervalo de
R. Si f : I f (I) es inyectiva y continua en I, entonces f 1 : f (I) I es
continua en f (I).
Demostracion. Por la Proposicion 3.20.1, se tiene que, f (I) es un intervalo. Por
la proposicion anterior, f es estrictamente monotona. Como f inyectiva entonces
f : I f (I) es biyectiva, y por tanto existe
f 1 : f (I) I.
Por tanto, f 1 es una funcion estrictamente monotona en el intervalo f (I), y

f 1 f (I) = I
es un intervalo. Por la Proposicion 3.20.3, f 1 es continua en f (I).
103
3.21.
Clasificaci
on de discontinuidades
Definici
on 3.21.1. Sea f : A R R, x0 A0 .
1) Se dice que f tiene en x0 A una discontinuidad evitable si existe lm f (x)
xx0
R pero o bien el lmite no coincide con f (x0 ), o bien x0

/ A.
2) Se dice que f tiene en x0 A una discontinuidad de salto si existen
lm f (x) R y lm+ f (x) R pero son distintos.
xx0
xx0
3) Se dice que f tiene una discontinuidad en x0 A de primera especie si

tiene una discontinuidad evitable o de salto en x0 A.
4) Se dice que f tiene una discontinuidad en x0 A de segunda especia si
tiene una discontinuidad y no es de primera especie.
Observaci
on 3.21.2. En el caso de la discontinuidad evitable, se puede prolongar
f por continuidad a otra funcion g continua en el punto x0 , definida de la forma
siguiente:
g : A
R
f (x)
x
lm f (t)
tx0
si
x A {x0 }
si
x = x0 .
Ejemplos 3.21.3.
1) La funcion

f (x) =
x sin
0
1
x
si
si
x 6= 0
x=0
una discontinuidad evitable en x = 0.

2) La funcion f (x) = [x] tiene discontinuidades de salto en todo Z.
3) La funcion

f (x) =
sin
0
1
x
si
si
x 6= 0
x=0
tiene una discontinuidad de segunda especie en x = 0.
104
4) La funcion

f (x) =
0
1
si
si
xQ
xI
tiene discontinuidades de segunda especie en todos los puntos.

Proposici
on 3.21.4. Sea f : (a, b) R una funcion monotona. Si x0 (a, b),
entonces o bien f es continua en x0 o bien f tiene en x0 una discontinuidad de
salto.
Demostracion. Supongamos que f es creciente, la demostracion en el caso decreciente es similar.
Supongamos que f no es continua en x0 (a, b). Por la Proposicion 3.12.6 se
tiene que

lm f (x) = sup f (x) : x (a, x0 ) R,
xx0
y

lm+ f (x) = nf f (x) : x (x0 , b) R.
xx0
Como f no es continua en x0 entonces

lm f (x) 6= lm+ f (x).
xx
0
xx0
Por tanto f tiene en x0 una discontinuidad de salto.

Teorema 3.21.5. Sea f : (a, b) R una funcion monotona. Entonces f es continua excepto en una cantidad numerable de puntos.
Demostracion. Supongamos que f es creciente, la demostracion en el caso decreciente es similar.
Por la proposicion anterior sabemos que las discontinuidades de f solo pueden
ser del primer tipo.
Sea D el conjunto de discontinuidades de f :
o
n
D = x (a, b) : lm f (t) < lm+ f (t) .
tx

Para x D sea Ix =
tx

lm f (t), lm+ f (t) y por la densidad de Q en R tomamos
tx
tx
qx Ix Q. El conjunto
{qx : x D}
es un subconjunto de Q y por lo tanto es numerable.
105
3.22.
Continuidad uniforme
Definici
on 3.22.1. Sean A un subconjunto no vaco de R y f una funcion real
definida en A. Se dice que f es uniformemente continua en A si
> 0, > 0 (que solo depende de ) tal que:
si x, y A con
|x y| <
entonces

f (x) f (y) < .

f : (0, 1] R
x
x1
es continua, pero no uniformemente continua. En efecto, si tomemos
x=
1
,
n
y=
1
n+1
para un entero grande n, entonces

|x y| <
2
,
n
pero
|f (x) f (y)| = 1.
f : [1, +) R
x
x1
es uniformemente continua. En efecto, tenemos
|f (x) f (y)| =
|y x|
< |x y|.
xy
Si
|x y| < = ,
entonces
|f (x) f (y)| < .
f : R R
x x2
106
no es uniformemente continua. En efecto:
Supongamos que f es uniformemente continua en todo R. Dado > 0, existe
> 0 tal que, |h| < , (h = y x)
|(x + h)2 x2 | = |2xh + h2 | < ,
cualquiera que sea x R.
Considerando un x0 > 0 y h > 0 tendremos:
|2x0 h + h2 | > 2x0 h.
Si tomamos
h=
x0 >
resulta
|(x0 + h)2 x20 | > 2x0 h >
con lo que llegamos a una contradiccion.
Observaci
on 3.22.5. La diferencia entre continuidad y continuidad uniforme consiste en que en la primera, dado un > 0 y un punto x0 , se exige la existencia del
= (x0 , ) correspondiente, que dependera del elegido y del punto x0 de que se
trate; mientras que la continuidad uniforme exige que dado un > 0 encontremos
el = () correspondiente, que dependera solamente de , valido para todos los
puntos del conjunto A.
Proposici
on 3.22.6. Sean A un subconjunto no vaco de R y f : A R una
funcion real definida en A. Si f es uniformemente continua en A, entonces f es
continua en A.
Observaci
on 3.22.7. El recproco de la proposicion anterior no es cierto.
Nota 3.22.8. Por comodidad, diremos a veces que una funcion es uniformemente
continua en un subconjunto de su dominio en lugar de decir que la restriccion de
la funcion a dicho subconjunto es uniformemente continua. As, en los ejemplos
anteriores, la funcion
f : R {0} R
x
x1
es uniformemente continua en [1, +), pero no es uniformemente continua en (0, 1].
107
Observaci
on 3.22.9. Si f : R R es uniformemente continua en A R,
entonces f |A : A R es continua (lo cual, notese bien, no quiere decir que
f : R R sea continua en A, como ya sabemos, Observacion 3.18.5).
Proposici
on 3.22.10. Sean A un subconjunto no vaco de R y f : A R una
funcion real definida en A. Son equivalentes:
1) f es uniformemente en A
2) Para cada par de sucesiones (xn )n1 , (yn )n1 A con
lm |xn yn | = 0
se tiene que
lm |f (xn ) f (yn )| = 0.
Demostracion.
1) 2) Como f es uniformemente continua en A, dado > 0, existe > 0 tal
que para x, y A, con |x y| < se tiene
|f (x) f (y)| < .
Sean (xn )n1 , (yn )n1 A tales que
lm |xn yn | = 0.
Para este > 0, existe n0 N tal que para n > n0 se tiene

|xn yn | < ,
luego
|f (xn ) f (yn )| < ,
es decir,
lm |f (xn ) f (yn )| = 0.
2) 1) Supongamos que f no es uniformemente continua en A, entonces existe

0 > 0 tal que para todo = n1 (n natural) existen xn , yn puntos en A
tales que
1
|xn yn | <
pero |f (xn ) f (yn )| 0 .
n
Entonces
lm |xn yn | = 0,
n
pero
lm |f (xn ) f (yn )| =
6 0.
Esto contradice la afirmacion 2).
108
Nota 3.22.11. El resultado anterior resulta especialmente indicado en la practica

para ver que una determinada funcion no es uniformemente continua: basta encontrar dos sucesiones tales que la distancia entre sus terminos tiende a cero pero la
distancia entre los terminos de sus sucesiones imagenes no tiende a cero.
Teorema 3.22.12 (Heine). Sea K un subconjunto compacto de R. Si f es una
funcion continua en K, entonces f es uniformemente continua en K.
Demostracion. Sea f : K R, supongamos que no es uniformemente continua en
K y probemos que entonces hay alg
un punto de K donde f no es continua.
Como f no es uniformemente continua, existe alg
un 0 > 0 tal que para cualquier
> 0 hay al menos un par de puntos x, y K (que dependeran de ) para los cuales
|x y| < ,
pero |f (x) f (y)| 0 .
Entonces, para cada n N tenemos un par de puntos xn , yn K tales que

|xn yn | <
1
,
n
pero |f (xn ) f (yn )| 0 .
En particular
lm |xn yn | = 0.
Dado que la sucesion (yn )n1 esta acotada, por el Teorema 2.6.1 de Bolzano-Weierstrass
hay alguna subsucesion suya convergente:
lm ynk = x0 K.
Por otra parte, y dado que

lm |xn yn | = 0,
tambien
lm |xnk ynk | = 0.
Por lo tanto
lm xnk =
lm xnk ynk
i
+ lm ynk = x0 .
k
Por u
ltimo, la funcion f no puede ser continua en el punto x0 , ya que entonces se
tendra
lm |f (xnk ) f (ynk )| = |f (x0 ) f (x0 )| = 0,
k
y, sin embargo,
|f (xnk ) f (ynk )| 0 ,
para todos los k N.
109
Observaci
on 3.22.13. Aunque el dominio A de la funcion f continua no sea un
compacto, el Teorema 3.22.12 puede seguir siendo aplicable, ya que tal vez f pueda
extenderse con continuidad a una funcion fe definida sobre un compacto K que contenga a A, con lo que fe sera uniformemente continua en K y por tanto fe|A = f
tambien sera uniformemente continua en A.
Proposici
on 3.22.14. Si f es uniformemente continua en un
conjunto A y (xn )n1
es una sucesion de Cauchy contenida en A, entonces f (xn ) n1 es una sucesion de
Cauchy.
Demostracion. Sea > 0. Como f es uniformemente continua, entonces existe alg
un
> 0 tal que para cualesquiera x, y A con |x y| < , se tiene
|f (x) f (y)| < .
Ahora, como la sucesion (xn )n1 es de Cauchy, existe alg
un n0 N tal que para
cualesquiera n, m > n0 se tiene |xn xm | < . Y ademas, xn , xm A. Entonces,
para cualesquiera n, m > n0 se tiene
|f (xn ) f (xm )| < .

Por lo tanto, la sucesion f (xn ) n1 es de Cauchy.
Observaci
on 3.22.15. El resultado anterior no es cierto, en general, si f no es
uniformemente continua, como prueba el ejemplo siguiente: la funcion
f : (0, 1) R
x
x1
no es uniformemente continua y la sucesion xn =
1
n
es de Cauchy.
Nota 3.22.16. Una propiedad importante de las funciones uniformemente continuas

es que siempre poseen extensiones u
nicas a la adherencia de sus dominios.
Proposici
on 3.22.17. Una funcion f : (a, b) R es uniformemente continua si
y solo si posee una extension continua en [a, b].
Demostracion. Si f tiene una extension continua g : [a, b] R, entonces g es
uniformemente continua, seg
un el Teorema 3.22.12 de Heine. Cualquier restriccion
de una funcion uniformemente continua tambien es uniformemente continua, y en
particular, f .
Ahora supongamos que f es uniformemente continua en (a, b); se trata de probar
que existen los dos lmites
lm f (x),
xa+
lm f (x)
xb
110
y que son n
umeros reales, ya que entonces la siguiente funcion sera una extension
continua de f al intervalo [a, b]:
si x (a, b)
f (x)
l
m
f
(x)
si x = a
g(x) =
xa+
lm f (x) si x = b
xb
Solo vamos a probar que existe lm+ f (x) y que es un n

umero real; el otro lmite se
xa
prueba de manera analoga.

Elijamos una sucesion (xn )n1 contenida en el intervalo (a, b) y tal que
lm xn = a.
Como es convergente, la sucesion es

de Cauchy; y como la funcion f es uniformemente continua, la sucesion f (xn ) n1 es tambien de Cauchy y, por lo tanto, convergente. Sea
lm f (xn ) = ` R.
n
Ahora sea (yn )n1 una sucesion cualquiera contenida en el intervalo (a, b) y tal que
lm yn = a.
Definamos la nueva sucesion

z2n = yn ,
z2n1 = xn

Por la misma razon que antes, la sucesion f (zn ) n1 es convergente. Como f (yn ) n1

y f (xn ) n1 son dos subsucesiones suyas, deducimos que
lm f (xn ) = lm f (yn ) = lm f (zn ) = `
Seg
un la proposicion 3.7.2,
lm f (x) = ` R.
xa+
Captulo 4
Derivabilidad
4.1.
La derivada
Definici
on 4.1.1. La derivada de una funcion f en el punto a D(f ), que
denotaremos f 0 (a), es:
f 0 (a) = lm
xa
f (x) f (a)
f (a + h) f (a)
= lm
h0
xa
h
siempre que el lmite anterior exista. En este caso, decimos que f es derivable en
a.
La expresion f 0 (a) se lee f prima de a. Tambien se emplean las notaciones:
d
df
f (a) o
(a)
dx
dx
que se leen derivada de f respecto de x en a.
Decimos que f es derivable si f es derivable en a para todo a del dominio de
f.
Proposici
on 4.1.2. Si f es derivable en el punto a, entonces f es continua en a.
Demostracion. Si f es derivable en a podemos escribir:

f (x) f (a)
lm f (x) f (a) = lm
(x a) = f 0 (a) 0 = 0
xa
xa
xa
es decir, f es continua en a.
111
112
Observaci
on 4.1.3. Hay funciones continuas que no son derivables, por ejemplo,
la funcion f (x) = |x| es continua en 0 pero no derivable (vease Ejemplo 4.2.7).

Proposici
on 4.1.4. La recta tangente a la grafica de f en el punto a, f (a) tiene
por ecuacion
y f (a) = f 0 (a)(x a)
3
Ejemplo 4.1.5. Encontrar la recta tangente
1 a la grafica de f (x) = x x, en el
2
0 2
punto de abscisa 3 sabiendo que f 3 = 3 .

3
Como f 23 = 23 32 = 10
, el punto correspondiente a x = 23 es:
27
2
3
,f
2
3
2
3
10
27
Por tanto, la recta tangente sera:

y
10 1
2
10
1
2
1
16
= x y = x
=
x
y +
27
3
3
27
3
9
3
27
El cociente tg() =
4.2.
y2 y1
x2 x1
recibe el nombre de pendiente de la recta tangente.
Significado de la derivada
Proposici
on 4.2.1. La derivada es la pendiente de la recta tangente.
Dada una funcion f , busquemos la tangente a su gr
afica en un punto
a, f (a) .

Las rectas que pasan por el punto a, f (a) tienen la forma:
y f (a) = m(x a), (m es la pendiente de la recta).
Seg
un vara m, vamos recorriendo todas las rectas del plano que pasan por
a, f (a) (excepto la vertical).
As pues, la pregunta cual es la recta tangente? significa simplemente que pendiente m debemos tomar?.
Una idea para encontrar esta pendiente, que no conocemos, es partir de pendientes que s conocemos.
Para ello, tomamos puntos x proximos a a, que expresamos de la forma
a + h, y

consideremos las rectas que pasan por a, f (a) y por a + h, f (a + h) .
113
Estas rectas tienen pendiente:
f (a + h) f (a)
h
Haciendo h mas y mas peque
no, nuestras rectas se aproximan mas y mas a la
tangente, es decir, sus pendientes se acercan mas y mas a la pendiente buscada.
En una palabra, la pendiente buscada sera:
f (a + h) f (a)
= f 0 (a)
h0
h
lm
Ejemplo 4.2.2. Sea f (x) = mx + b. Calcular f 0 (x).

Tomemos un punto x cualquiera, se trata de calcular
f (x + h) f (x)
h0
h
lm
Tenemos:
m(x + h) + b (mx + b)
f (x + h) f (x)
= lm
h0
h0
h
h
mh
= lm
= lm m = m
h0 h
h0
lm
As, obtenemos f 0 (x) = m para todo x.

Ejemplo 4.2.3. Sea g(x) = x2 . Calcular g 0 (x). Tomemos un punto x cualquiera, se
trata de calcular
g(x + h) g(x)
lm
h0
h
Tenemos:
g(x + h) g(x)
(x + h)2 x2
lm
= lm
h0
h0
h
h
h2 + 2xh
= lm
= lm (h + 2x) = 2x
h0
h0
h
As, obtenemos g 0 (x) = 2x para todo x.
Definici
on 4.2.4. Dada una funcion f definida en un intervalo I y un punto a I,
definimos la derivada lateral por la derecha de f en a como el lmite finito
f+0 (a) = lm+
xa
f (x) f (a)
f (a + h) f (a)
= lm+
.
h0
xa
h
Analogamente se define la derivada lateral por la izquierda de f en a, f0 (a).
114
Nota 4.2.5. Si a es uno de los extremos de I solo tiene sentido una de las dos
derivadas laterales.
Observaci
on 4.2.6. La derivabilidad de f en a equivale a que las dos derivadas
laterales de f en a existan y sean iguales.
Ejemplo 4.2.7. Sea la funcion f (x) = |x|. Estudia en que puntos es derivable y
calcular la derivada cuando exista.
Observamos que dado x > 0, si h es suficientemente peque
no tenemos x + h > 0.
Por tanto, si x > 0:
lm+
h0
f (x + h) f (x)
|x + h| |x|
x+hx
= lm+
= lm+
=1
h0
h0
h
h
h
Analogamente, si x < 0, tambien tenemos x + h < 0 para valores peque

nos de
h, por lo que:
lm
h0
|x + h| |x|
(x + h) (x)
f (x + h) f (x)
= lm
= lm
= 1
h0
h0
h
h
h
Luego
0
f (x) =
si x > 0
si x < 0
Sin embargo, para x = 0, tenemos:

f (0 + h) f (0)
|h|
= lm+
= lm+
h0
h0
h0
h
h
|h|
f (0 + h) f (0)
= lm
= lm
f0 (0) = lm
h0
h0
h0
h
h
f+0 (0) = lm+
h
=1
h
h
= 1
h
As, los lmites laterales f+0 (0) y f0 (0) son distintos y deducimos que no existe
(0)
lm f (0+h)f
.
h
h0
Por tanto |x| no es derivable en 0.

Nota 4.2.8. Las funciones derivables son aquellas cuyas graficas son curvas suaves,
es decir, curvas que no tienen picos o esquinas
4.3.
T
ecnicas para el c
alculo de derivadas
Con la definicion de la derivada y las propiedades de los lmites, se obtienen unas

reglas que convierten el proceso de calcular derivadas en algo sencillo y mecanico.
115
4.3.1.
Reglas b
asicas de derivaci
on
Sean f y g dos funciones definidas en un intervalo I y derivables, y R.

Entonces:
1) La funcion f + g es derivable, y se tiene que la derivada de la suma es la suma
de las derivadas, es decir,
0
f (x) + g(x) = f 0 (x) + g 0 (x) x I.
2) La funcion f es derivable, y se tiene que La derivada del producto de una
constante por una funcion es la constante por la derivada de la funcion, es
decir,
0
f (x) = f 0 (x) x I.
3) La funcion f g es derivable, y se tiene que La derivada de la diferencia es la
diferencia de las derivadas, es decir,
0
f (x) g(x) = f 0 (x) g 0 (x) x I.
4) La funcion f g es derivable, y se tiene que la derivada del producto de dos
funciones es la derivada de la primera por la segunda mas la primera por la
derivada de la segunda, es decir,
0
f (x)g(x) = f 0 (x)g(x) + f (x)g 0 (x) x I.
5) Si g(x) 6= 0 para todo x I entonces la funcion fg es derivable, y la derivada
del cociente viene dada de la siguiente forma:

0
f (x)
f 0 (x)g(x) f (x)g 0 (x)
.
=
2
g(x)
g(x)
Observaci
on 4.3.1.
1)
2)
d
= ()0 = 0, donde R
dx
d
x = (x)0 = 1 (f (x) = x)
dx
(funcion constante f (x) = )
Ejemplo 4.3.2. Calcular la derivada de f (x) = 3x + 7.

Utilizando las propiedades 1 y 2, obtenemos:
f 0 (x) = (3x + 7)0 = (3x)0 + (7)0 = 3(x)0 + 0 = 3 1 = 3.
116
Ejemplo 4.3.3. Calcular la derivada de x2 y de x3 .
Utilicemos que x2 es el producto de x por s mismo. As podemos aplicar la
propiedad 3:
(x2 )0 = (x x)0 = (x)0 x + x (x)0 = 1 x + x 1 = 2x.
Utilizando esto, y de nuevo la propiedad 3:
(x3 )0 = (x2 x)0 = (x2 )0 x + x2 .(x)0 = 2x x + x2 1 = 3x2 .
Con la idea del Ejemplo 4.3.3 podemos calcular tambien la derivada de x4 , x5 ,
. . . En general, tenemos (basta utilizar induccion):
Proposici
on 4.3.4.
(xn )0 = nxn1 .
Ejemplo 4.3.5. Calcular la derivada de
f (x) = 2x6 + 3x5 9x3 + 7x2 8x + 3.
Determinar la recta tangente a la grafica de f en el punto
(1, f (1)) = (1, 2).
Aplicamos las propiedades anteriores:
(2x6 + 3x5 9x3 +7x2 8x + 3)0 =
= (2x6 )0 + (3x5 )0 (9x3 )0 + (7x2 )0 (8x)0 + (3)0
= 2(x6 )0 + 3(x5 )0 9(x3 )0 + 7(x2 )0 8(x)0 + 0
= 2 6x5 + 3 5x4 9 3x2 + 7 2x1 8 1
= 12x5 + 15x4 27x2 + 14x 8
Por tanto,
f 0 (x) = 12x5 + 15x4 27x2 + 14x 8.
La recta tangente en el punto (1, f (1)) = (1, 2) es:
y (2) = f 0 (1)(x 1).
Como f 0 (1) = 12 15 + 15 14 27 12 + 14 1 8 = 6, la recta tangente sera:
y + 2 = 6(x 1) y = 6x 8.
117
Proposici
on 4.3.6. La derivada de un polinomio de grado n es un polinomio de
grado n 1, es decir,
0
an xn + + a2 x2 + a1 x + a0 = nan xn1 + + 2a2 x + a1 .
Ejemplo 4.3.7. Calcular la derivada de xx1
2 +1 .

0
x1
(x 1)0 (x2 + 1) (x 1)(x2 + 1)0
=
x2 + 1
(x2 + 1)2
1 (x2 + 1) (x 1) 2x
x2 + 2x + 1
=
=
(x2 + 1)2
(x2 + 1)2
4.3.2.
Derivadas de algunas funciones
1) La funcion exponencial:
d x
e = (ex )0 = ex .
dx
2) La funcion logaritmo neperiano:
0 1
d
ln(x) = ln(x) = .
dx
x
3) Las funciones trigonometricas:
0
d
sin(x) = sin(x) = cos(x)
dx
0
d
cos(x) = cos(x) = sin(x)
dx
0
1
d
tg(x) = tg(x) =
dx
cos2 (x)
Ejemplo 4.3.8. Calcular la derivada de sin(x) tg(x) + 3 cos(x) y la de
x2 +7
.
sin(x)+cos(x)
0
0
0
sin(x) tg(x) + 3 cos(x) = sin(x) tg(x) + 3 cos(x)
0
0
0
= sin(x) tg(x) + sin(x) tg(x) + 3 cos(x)
1
= cos(x) tg(x) + sin(x) 2
3 sin(x)
cos (x)
tg(x)
= sin(x) +
3 sin(x)
cos(x)
tg(x)
=
2 sin(x).
cos(x)
118

x2 + 7
sin(x) + cos(x)
0

0
(x2 + 7)0 sin(x) + cos(x) (x2 + 7) sin(x) + cos(x)
=
2
sin(x) + cos(x)

2x sin(x) + cos(x) (x2 + 7) cos(x) sin(x)
=
2
sin(x) + cos(x)
=
4.3.3.
(x2 + 2x + 7) sin(x) (x2 2x + 7) cos(x)

2
sin(x) + cos(x)
Derivadas de funciones definidas a trozos
Nota 4.3.9. Si una funcion no es continua en un punto, entonces no puede ser

derivable en dicho punto.
Ejemplo 4.3.10. Estudiar la derivabilidad y calcular la derivada, donde exista, de
la funcion:
3
si x < 0
x + x2 + 1
f (x) =
2
|x 1|
si x 0
Para estudiar la derivabilidad lo mas recomendable es expresar la funcion sin
valor absoluto.
Como x2 1 = (x + 1)(x 1), entonces:
2
si x ( 1] [1, +)
x 10
Por tanto
x2 1 0
si x [1, 1]
3
x + x2 + 1
(x2 1)
f (x) =
2
x 1
si x < 0
si 0 x 1
si x 1
Para x < 0, f 0 (x) = (x3 + x2 + 1)0 = 3x2 + 2x.
Para 0 < x < 1, f 0 (x) = (1 x2 )0 = 2x.
Para x > 1, f 0 (x) = (x2 1)0 = 2x.
Falta estudiar que ocurre en los puntos de empalme: 0 y 1. En primer lugar,

se prueba facilmente que la funcion es continua en ambos:
119

Para x = 1,
si x > 1, tenemos:
lm+
x1
(x2 1) 0
(x 1)(x + 1)
f (x) f (1)
= lm+
= lm+
x1
x1
x1
x1
x1
= lm+ (x + 1) = 2
x1
Analogamente, si x < 1, tenemos:

lm
x1
f (x) f (1)
(x2 1) 0
(x 1)(x + 1)
= lm
= lm
x1
x1
x1
x1
x1
= lm (x + 1) = 2
x1
Estos lmites laterales no coinciden, luego no existe

f (x) f (1)
.
x1
x1
lm
Por tanto, f no es derivable en 1.

Para x = 0,
si x > 0, tenemos:
(x2 1) 1
x2
f (x) f (0)
= lm+
= lm+
lm
x0
x0
x0+
x0
x
x
= lm+ (x) = 0
x0
si x < 0, tenemos:
lm
x0
f (x) f (0)
x3 + x2 + 1 1
x3 + x2
= lm
= lm
x0
x0
x0
x
x
2
= lm (x + x) = 0
x0
Esto nos dice que f es derivable en 0 y que f 0 (0) = 0.

En resumen, f es derivable en R {1}, y
2
3x + 2x
2x
f 0 (x) =
2x
si x < 0
si 0 x < 1
si x > 1
120
Ejemplo 4.3.11. Estudiar la derivabilidad y calcular la derivada, donde exista, de
la funcion

si x 6= 0
x sin x1
f (x) =
0
si x = 0
Para x 6= 0, f es claramente derivable, y con las reglas de derivacion tenemos:

1 0
1
1 0
0
0
f (x) = x sin
= (x) sin
+ x sin
x
x
x
1 1 0
1
+ x cos
= sin
x
x x
1
1
1
+ x cos
2
= sin
x
x
x
1
1 1
cos
= sin
x
x
x
En cuanto a la derivabilidad en x = 0, tenemos:

1
x sin x1
f (x) f (0)
lm
= lm
= lm sin
x0
x0
x0
x0
x
x
pero ya vimos que este lmite no existe. Por tanto, f no es derivable en x = 0.
4.4.
La regla de la cadena
Proposici
on 4.4.1 (Regla de cadena). Si f es derivable en c y g es derivable en
f (c), entonces g f es derivable en c y

0

= g 0 f (c) f 0 (c).
(g f )0 (c) = g f (c)
Ejemplo 4.4.2. Sea h(x) = sin(x2 + x + ). Calcular h0 (0) y h0 (x).
Para aplicar la regla de la cadena, tomemos f (x) = x2 + x + , g(y) = sin(y).
As, tenemos h(x) = g f (x) = (g f )(x).
Por tanto:

h0 (0) = (g f )0 (0) = g 0 f (0) f 0 (0) = g 0 (02 + 0 + )f 0 (0)
Como f 0 (x) = 2x + 1 y g 0 (y) = cos(y), tenemos
h0 (0) = (g f )0 (0) = cos() (2 0 + 1) = (1) 1 = 1.
121
En general, tenemos:

0

h0 (x) = g f (x)
= g 0 f (x) f 0 (x) = [cos(x2 + x + )](2x + 1)
= (2x + 1) cos(x2 + x + )
Ejemplo 4.4.3. Sea h(x) = esin(x) . Calcular h0 (0) y h0 (x).
Tomamos f (x) = sin(x), g(y) = ey . Tenemos:
f 0 (x) = cos(x)
g 0 (y) = ey
Por tanto:

0

h0 (x) = g f (x)
= g 0 f (x) f 0 (x) = esin(x) cos(x).
En particular,
h0 (0) = esin(0) cos(0) = e0 1 = 1 1 = 1.
Proposici
on 4.4.4.
sin u(x)
eu(x)
0
0

= cos u(x) u0 (x)
= eu(x) u0 (x)
Ejemplo 4.4.5. Calcular las derivadas de las funciones

f (x) = tg(7x2 + 9x), g(x) = cos4 (x3 + 2x) y h(x) = e(x
0
En el primer caso, utilizamos que tg(x) =
Por tanto, tenemos:
2 +3x)5
1
.
cos2 (x)
1
+ 9x) (14x + 9)
14x + 9
=
2
cos (7x2 + 9x)
f 0 (x) = tg0 (7x2 + 9x) (7x2 + 9x)0 =
cos2 (7x2
Para la funcion g utilizamos que (x4 )0 = 4x3 :

g 0 (x) = 4 cos3 (x3 + 2x)[cos(x3 + 2x)]0 .
122
Ahora tenemos que seguir derivandocos(x3 +2x). Utilizamos el mismo argumento
0
(teniendo en cuenta ahora que cos(x) ). As, tenemos:
g 0 (x) = 4 cos3 (x3 + 2x)[ sin(x3 + 2x)](x3 + 2x)0
= 4 cos3 (x3 + 2x)[sin(x3 + 2x)](3x2 + 2)
= 4(3x2 + 2) sin(x3 + 2x) cos3 (x3 + 2x)
Finalmente, para h, como (ex )0 = ex , tenemos:
h0 (x) = e(x
2 +3x)5
(x2 + 3x)5
0
Por tanto
0
2 +3x)5
(x2 + 3x)5
= e(x
2 +3x)5
5(x2 + 3x)4 (2x + 3)
= e(x
= 5(2x + 3)(x2 + 3x)4 e(x
4.5.
2 +3x)5
h0 (x) = e(x
2 +3x)5
5(x2 + 3x)4 (x2 + 3x)0
Funciones inversas
Proposici
on 4.5.1. La funcion g es inversa de f si y solo si se cumple
g f (x) = x (f inyectiva)
f g(y) = y (f sobreyectiva)
para todo x D(f ) y para todo y D(g). En tal caso se denota g = f 1 .

Observaci
on 4.5.2.
1) Tenemos que trabajar en un dominio en el que distintos valores de x den
distintos valores de f (x) (f inyectiva), as, eliminamos el problema siguiente:
Sea f (x) = x2 . Dado y = 4, tanto x = 2 como x = 2 satisfacen f (x) = 4.
2) Hay puntos y para los que no existe ning
un x tal que f (x) = y. En el ejemplo
f (x) = x2 , basta tomar y = 1.
En general, el dominio de f 1 no es toda la recta real (f no es sobreyectiva).
Observaci
on 4.5.3. Usamos las letras x para la variable de la funcion f e y para
su inversa f 1 , con el fin de subrayar que la inversa f 1 esta definida en los valores
que toma la funcion f , y viceversa.
Proposici
on 4.5.4. La grafica de la inversa f 1 es simetrica de la grafica de f
respecto a la recta y = x.
123
Proposici
on 4.5.5.
Si f es continua en c, entonces la inversa f 1 es continua en f (c).
Si f es derivable en c, f 0 (c) 6= 0 entonces la inversa f 1 es derivable en f (c).
Teorema 4.5.6. Si f es derivable en x D(f ), f 0 (x) 6= 0, entonces la inversa f 1
es derivable en f (x) y
0

1
f 1 f (x) = 0 .
f (x)
O bien, denotando f (x) = y, es decir, x = f 1 (y)
0
f 1 (y) =
1
f
f 1 (y)
.
Ejemplo 4.5.7. Calcular la derivada de ln(y).

La funcion ln(y) es inversa de f (x) = ex , con x R. Como f 0 (x) = ex , para
cada y > 0 tenemos:
0
ln(y) =
f0
1
1
1
= ln(y) =
e
y
ln(y)
Ejemplo 4.5.8. Calcular la derivada de arcsin(y).

La funcion que tenemos que derivar es la inversa de f (x) = sin(x), donde x

( 2 , 2 ).
p
Como f 0 (x) = cos(x) = 1 sin2 (x), para cada y (1, 1) tenemos:
0
arcsin(y) =
1
1

=
cos arcsin(y)
arcsin(y)
1
1
=p
=q

1 y2
1 sin2 arcsin(y)
Ejemplo 4.5.9. Calcular la derivada de arc cos(y).

La funcion que tenemos que derivar es la inversa de f (x) = cos(x), donde x
(0, ).
p
Como f 0 (x) = sin(x) = 1 cos2 (x), para cada y (1, 1) tenemos:
0
arc cos(y) =
1
1
=

arc cos(y)
sin arc cos(y)
1
1
= q
= p
1 y2
1 cos2 arc cos(y)
124
Ejemplo 4.5.10. Calcular las derivadas de las funciones xa , ax y xx , donde a, x > 0.
Recordemos que si , R, con > 0, se tiene = e ln() .
Por la regla de cadena, tenemos:
4.6.
0
0
0
(xa )0 = ea ln(x) = ea ln(x) a ln(x) = xa a ln(x)
1
a
=x a
= axa1
x
(xa )0 = ex ln(a)
h
0
0 i
0
(xx )0 = ex ln(x) = ex ln(x) x ln(x) = xx (x)0 ln(x) + x ln(x)
h

1i
= xx ln(x) + x
= 1 + ln(x) xx
x
0
0
= ex ln(a) x ln(a) = ax ln(a)
Teorema de los valores intermedios para la

derivada
Teorema 4.6.1 (Darboux). Sea f una funcion derivable en un intervalo I. Si la

derivada f 0 toma dos valores, toma tambien todos los valores intermedios; es decir,
si a, b I, a < b, y esta entre f 0 (a) y f 0 (b), existe al menos un x0 (a, b) tal que
f 0 (x0 ) = .
4.7.
Teorema de Rolle
Teorema 4.7.1 (Rolle). Sea f una funcion continua en un intervalo [a, b] y derivable en (a, b). Si f (a) = f (b), entonces existe c (a, b) tal que
f 0 (c) = 0
Observaci
on 4.7.2. Geometricamente el Teorema de Rolle dice que en alg
un punto
(c, f (c)) de la grafica de f , siendo c intermedio entre a y b, la tangente es horizontal
y paralela, al segmento que une los extremos de la grafica.
4.8.
Teorema del Valor Medio
El siguiente resultado constituye una generalizacion del Teorema de Rolle.
125
Teorema 4.8.1 (Lagrange o Valor Medio o incrementos finitos). Sea f una
funcion continua en un intervalo [a, b] y derivable en (a, b), entonces existe c (a, b)
tal que
f 0 (c) =
f (b) f (a)
ba
Observaci
on 4.8.2. Geometricamente el Teorema de Valor Medio dice que cuando
unimos los puntos (a, f (a)) y (b, f (b)) mediante una grafica suave, en alg
un punto
la tangente a la grafica es paralela, al segmento que une (a, f (a)) con (b, f (b)).
4.9.
Aplicaciones del Teorema del Valor Medio
Ejemplo 4.9.1. Demostrar que | sin(x) sin(y)| |x y| para cualquier par de

n
umeros reales x, y. Deducir el valor de
lm
n+
sin

n + 1 sin n .
Sean x, y n
umeros reales.
Si x = y, la desigualdad es trivialmente cierta (tenemos el valor 0 en ambos
lados).
Si x 6= y, supongamos, por ejemplo, x < y (el otro caso es igual). Apliquemos el
Teorema del Valor Medio a la funcion f (t) = sin(t) en el intervalo [x, y]. Deducimos
que existe c (x, y) tal que
sin(y) sin(x)
f (y) f (x)
=
= f 0 (c) = cos(c)
yx
yx
Tomando valor absoluto y recordando que | cos(t)| 1 para todo t, tenemos:

sin(y) sin(x) sin(y) sin(x)

=
= cos(c) 1

yx
|y x|
As que,
| sin(x) sin(y)| |x y|
que es la desigualdad que queramos demostrar.
126
En cuanto al lmite, utilizando la desigualdad anterior, tenemos:

sin n + 1 sin n n + 1 n = n + 1 n

n+1 n
n+1+ n
n+1+ n
2
2
n+1
n
n+1n
=
=
n+1+ n
n+1+ n
1
=
n+1+ n
Por tanto,
lm =
n+
sin

n + 1 sin n = 0.
Ejemplo 4.9.2. Demostrar que arc tg(x) < x para todo x > 0.
Sea f (x) = arc tg(x). Como f (0) = arc tg(0) = 0, resulta que
arc tg(x) = f (x) f (0).
Tomemos x > 0 y apliquemos el teorema del Valor Medio en el intervalo [0, x].
Existe c (0, x) tal que
f 0 (c) =
Pero f 0 (c) =
1
1+c2
f (x)
f (x) f (0)
=
x0
x
< 1. Por tanto,
1
f (x)
=
< 1 = arc tg(x) = f (x) < x.
x
1 + c2

Ejemplo 4.9.3. Calcular lm 3 n + 2 3 n .
n+
Sea f (x) = 3 x. Tenemos 3 n + 2 3 n = f (n + 2) f (n). Para cada n, vamos

a aplicar el Teorema del Valor Medio en el intervalo [n, n + 2].
Deducimos que existe cn (n, n + 2) tal que
f (n + 2) f (n)
f (n + 2) f (n)
=
= f 0 (cn )
n+2n
2
= f (n + 2) f (n) = 2f 0 (cn )
Como f 0 (x) =
3 2,
x
y n < cn , se tiene
0 < 3 n + 2 3 n = f (n + 2) f (n) = 2f 0 (cn )

2
2
= p
<
0
3
3
2
n+
3 cn
3 n2
3
127
Por el criterio del sandwich, obtenemos el resultado:

lm 3 n + 2 3 n = 0.
n+
Veamos ahora las dos consecuencias del Teorema de valor Medio que anunciabamos antes.
Proposici
on 4.9.4. Sea f una funcion derivable en un intervalo I. Si f 0 (x) = 0
para todo x I, entonces f es constante.
Proposici
on 4.9.5. Sean f, g funciones derivables en un intervalo I tales que
f 0 (x) = g 0 (x) para todo x I. Entonces existe una constante tal que
f (x) = g(x) +
para todo x I.
Ejemplo 4.9.6. Demostrar que sin2 (x) + cos2 (x) = 1 para todo n
umero real x.
Consideremos f (x) = sin2 (x) + cos2 (x). Tenemos

f 0 (x) = 2 sin(x) cos(x) + 2 cos(x) sin(x) = 0 x R.
Por tanto, gracias a la primera de las proposiciones anteriores, f es constante en
todo la recta real.
Para saber cual es la constante, evaluamos f en un punto sencillo, por ejemplo
en x = 0. Tenemos
f (0) = sin2 (0) + cos2 (0) = 02 + 12 = 1
De lo que se deduce
f (x) = sin2 (x) + cos2 (x) = 1
para todo n
umero real x.
Ejemplo 4.9.7. Comprobar que ln(x9 ) = 9 ln(x) para todo x > 0.
Sea f (x) = ln(x9 ) y g(x) = 9 ln(x). Tenemos
f 0 (x) =
9x8
9
=
9
x
x
g 0 (x) = 9
1
x
Como f y g tienen la misma derivada en (0, +), difieren en una constante, esto
es, existe tal que
f (x) = ln(x9 ) = g(x) + = 9 ln(x) +
128
para todo x > 0. Pero, ademas, tomando x = 1, tenemos
f (1) = ln(19 ) = ln(1) = 0
g(1) = 9 ln(1) = 9 0 = 0.
Con lo cual,
f (1) = g(1) + = 0 + = = = 0.
Luego ln(x9 ) = 9 ln(x) para todo x > 0.
4.10.
Monotona local de una funci

on
Definici
on 4.10.1. Sea f una funcion real definida en un intervalo I y x0 I
(interior de I).
1) Se dice que f es creciente en x0 si existe > 0 tal que
f (x) f (x0 ) si x0 < x < x0 ,

(x0 , x0 + ) I, y
f (x0 ) f (x) si x0 < x < x0 + .

2) Se dice que f es decreciente en x0 si existe > 0 tal que
f (x) f (x0 ) si x0 < x < x0 ,

(x0 , x0 + ) I, y
f (x0 ) f (x) si x0 < x < x0 + .
3) Si estas desigualdades se verifican en sentido estricto se dice f es estrictamente creciente (resp. decreciente) en x0 .
Definici
on 4.10.2. Una funcion f es mon
otona en un punto x0 si f es creciente
o decreciente en x0 .
Observaci
on 4.10.3. Sea f una funcion real definida en un intervalo I y x0 I
(interior de I).
1) f es creciente si, y solo si, existe > 0 tal que
f (x) f (x0 )
0
x x0
para todo x (x0 , x0 + ) {x0 }.
129
2) f es decreciente si, y solo si, existe > 0 tal que
f (x) f (x0 )
0
x x0
para todo x (x0 , x0 + ) {x0 }.
Proposici
on 4.10.4. Sea f una funcion definida sobre el intervalo I y derivable en
el punto x0 I . Se tiene que:

1) Si f es creciente en x0 entonces f 0 (x0 ) 0.
2) Si f 0 (x0 ) > 0 entonces f es creciente en x0 .
3) Si f es decreciente en x0 entonces f 0 (x0 ) 0.
4) Si f 0 (x0 ) < 0 entonces f es decreciente en x0 .
5) Si f 0 (x0 ) = 0 no se puede asegurar nada a este respecto.
4.11.
Monotona en un conjunto
Proposici
on 4.11.1. Si f es monotona en un intervalo abierto (ver Definicion
3.4.1), entones f es monotona en cada uno de sus puntos.
Observaci
on 4.11.2. Una funcion puede ser creciente en un punto x0 sin serlo en
ning
un entorno de la forma (x0 , x0 + ).
Como ejemplo, considerese la funcion
f : R R

x + 2x2 sin
x
0
1
x
si
si
x 6= 0
x = 0.
y est
udiese su comportamiento en un entorno de x0 = 0.
Proposici
on 4.11.3. Sea f una funcion continua en un intervalo I y derivable en
todos los puntos interiores del intervalo. Se tiene:
1) f es creciente en I si, y solo si, f 0 (x) 0 para cada x I .
2) f es decreciente en I si, y solo si, f 0 (x) 0 para cada x I .
3) Si f 0 (x) > 0 para cada x I , entonces f es estrictamente creciente.
130
4) Si f 0 (x) < 0 para cada x I , entonces f es estrictamente decreciente.

Observaci
on 4.11.4. El recproco de 3) y 4) es falso, es decir, de la monotona
estricta de una funcion derivable en un intervalo no se deduce la no anulacion de la
derivada. Basta considerar la funcion f : R R dada por:
f (x) = x3 ,
que es estrictamente creciente en R, y para la que f 0 (0) = 0.
Ejemplo 4.11.5. Cuantas soluciones tiene la ecuacion 2x = cos2 (x)?
Consideremos la funcion f (x) = 2x cos2 (x). Se trata de contar cuantos ceros
tiene.
Como f es continua en toda la recta real y

f (0) = 1 < 0 < = f
2

sabemos, por el teorema de Bolzano, que, al menos, se anula en un punto c 0, 2 .

Estudiando el crecimiento y decrecimiento de f , podemos ir mas lejos: podemos
decir exactamente en cuantos puntos se anula.
Tenemos

f 0 (x) = 2 2 cos(x) sin(x) = 2 + 2 cos(x) sin(x) = 2 + sin(2x).
Por otra parte,
1 sin(2x) 1 = 1 f 0 (x) = 2 + sin(2x) 3
As que, f 0 (x) > 0 para todo x. Luego f es estrictamente creciente en (, +).
Deducimos

que la ecuacion tiene una solucion que, de hecho, pertenece al inter
valo c 0, 2 .
4.12.
Teorema de Cauchy
El siguiente resultado generaliza el Teorema del Valor Medio, tiene interes principalmente por sus aplicaciones.
Teorema 4.12.1 (Cauchy). Sean f y g funciones continuas en un intervalo [a, b]
y derivables en (a, b), entonces existe c (a, b) tal que
f 0 (c)
f (b) f (a)
=
0
g (c)
g(b) g(a)
131
Nota 4.12.2. El Teorema de Cauchy es el instrumento basico que usaremos a
menudo para el calculo de lmites de la forma:
f (x)
lm
xa g(x)
donde a R = [, +].
Ejemplo 4.12.3. Calcular
lm
x 4
Hagamos: x =
esin(x) ecos(x)
.
sin(x) cos(x)
+ t, si x 4 , t 0:
sin(x)
lm
x 4
sin
cos(x)
e
e
e
= lm
sin(x) cos(x) t0 sin
sin
= lm
t0
e
sin
+t
4
cos
e

+ t cos
+t
4
sin
e

+ t sin
+t
4

+t
t
4
sin(x)
Aplicando
el Teorema
de Cauchy a las funciones f(x) = e
, g(x) = sin(x) en
el intervalo 4 t, 4 + t , obtenemos que existe c 4 t, 4 + t tal que

sin 4 +t
sin 4 t
e
f (b) f (a)
e
f 0 (c)

=
=
g(b) g(a)
g 0 (c)
sin 4 + t sin 4 t
esin(c) cos(c)
= esin(c)
cos(c)

Puesto que c 4 t, 4 + t , tenemos que, si t 0, c 4 :
De aqu se deduce:
lm
x 4
4.12.1.
2
esin(x) ecos(x)
= lm esin(c) = esin( 4 ) = e 2 .
sin(x) cos(x) c 4
Regla de LH
opital (caso 00 )
Proposici
on 4.12.4 (LH
opital). Sean f y g funciones derivables en el intervalo
(a, b) y supongamos que g y g 0 no se anulan en (a, b). Si lm+ f (x) = lm+ g(x) = 0
y lm+
xa
f 0 (x)
g 0 (x)
xa
= l, entonces
f (x)
f 0 (x)
lm
= lm+ 0
= l,
xa g (x)
xa+ g(x)
donde l puede ser un n
umero real, + o .
xa
132
Ejemplo 4.12.5. Calcular lm+
x0
sin(x)
.
x
Observemos que el lmite pedido es una indeterminacion del tipo 00 . Apliquemos

la regla de LHopital.
lm+ sin(x)
=
x
0
x0
sin(x)
cos(x)
= lm+
= lm+
= 1.
0
x0
x0
x
1
sin(x)
lm
= lm cos(x)
=1
(x)0
1
x0+
4.12.2.
x0+
Regla de LH
opital (caso
Proposici
on 4.12.6 (LH
opital). Sean f y g funciones derivables en el intervalo
(a, b) y supongamos que g y g 0 no se anulan en (a, b). Si lm+ f (x) = lm+ g(x) =
y lm+
x0
f 0 (x)
g 0 (x)
x0
x0
= l, entonces
lm+
x0
f (x)
f 0 (x)
= lm+ 0
= l,
g(x) x0 g (x)
donde l puede ser un n

umero real, + o .

ln sin(x)
Ejemplo 4.12.7. Calcular lm+
.
1
x0
. Apliquemos la regla de LHopital. Se

Tenemos una indeterminacion del tipo
tiene

cos(x)
ln sin(x)
x2 cos(x)
sin(x)
lm+
=
l
m
=
l
m
1
1
x0
x0+
x0+ sin(x)
x
x2

x
= lm+ x cos(x) lm+
x0
x0 sin(x)
!

1
= lm+ x cos(x)
= 0 1 = 0
x0
lm+ sin(x)
x
x0
Observaci
on 4.12.8. La regla de LHopital no solo es valida para lmites por la
derecha, sino que lo es para todo tipo de lmites de funciones: cuando x a+ ,
x a , x a, x + y x .
Nota 4.12.9.
1) La condicion g y g 0 no se anula en (a, b) es para que tenga sentido hablar de
0 (x)
(x)
las funciones fg(x)
y fg0 (x)
.
133
2) Si no tenemos una indeterminacion de la forma
0
0
en general,
f (x)
f 0 (x)
lm
6= lm 0
xa g(x)
xa g (x)
Por ejemplo,
3x + 4
7
(3x + 4)0
3
3
= 6= lm
=
=
l
m
x1
x1 2
2x
2 x1 (2x)0
2
lm
ex
.
x+ x
Ejemplo 4.12.10. Calcular lm
Se trata de una indeterminacion del tipo
Aplicamos LHopital:
(ex )0
ex
ex
= lm
= +.
=
l
m
x+ (x)0
x+ x
x+ 1
lm
Nota 4.12.11. No es raro que tengamos que aplicar la regla de LHopital mas de
una vez.
Ejemplo 4.12.12. Calcular lm
x0
sin(x)x
.
x3
Es una indeterminacion de la forma 00 . Aplicando la regla de LHopital, obtenemos:

cos(x) 1
sin(x) x
=
l
m
.
lm
x0
x0
x3
3x2
Y llegamos de nuevo a una indeterminacion de la forma 00 . Aplicamos LHopital dos
veces mas:
sin(x)
cos(x)
1
cos(x) 1
= lm
= lm
= .
lm
2
x0
x0
x0
3x
6x
6
6
Por tanto,
1
sin(x) x
=
.
lm
x0
x3
6
Observaci
on 4.12.13. Muchas veces, indeterminaciones de la forma o
0 (), se pueden expresar, mediante alguna sencilla manipulacion, de la forma
0
o
. Esto nos permite utilizar LHopital. Otras veces, utilizando la igualdad =
0
ln()
e
, podemos trabajar con indeterminaciones de la forma 00 , 1 o 0 .
x
1
Ejemplo 4.12.14. Calcular lm+ xx , lm x x y lm 1 + x1 .
x0
x+
x+
Son tres indeterminaciones de la forma 00 , 1 y 0 , respectivamente.

En el primer caso, tenemos:
lm xx = lm+ ex ln(x) = lm+ e
x0+
x0
x0
ln(x)
1
x
= lm+ e
x0
1
x
12
x
= lm+ ex = e0 = 1.
x0
134
Procedemos de igual forma con los otros dos lmites:
lm
lm x x = lm e x ln(x) = ex+
ln(x)
x
x+
x+
Ahora, por LHopital, tenemos

1
1
ln(x)
x
= lm
= lm
= 0.
lm
x+
x+
x+
x
1
x
Luego
lm x x = e0 = 1.
x+
En el u
ltimo,
1 x
= lm ex ln
1+
x+
x
lm
x+
1+ x1
Pero, por LHopital

lm x ln 1 +
x+
1
x
= lm

ln 1 + x1
1
x
x+
= lm
1
x2
1+ x1
x+ 1
x2
= lm
x+
1
1+
1
x
=1
Por tanto,
1
lm x ln 1 +
= e1 = e.
x+
x
Proposici
on 4.12.15. Supongamos que f es derivable en (a, a+). Si existe lm+ f 0 (x),

xa
entonces f es derivable por la derecha en a y se tiene

f 0+ (a) = lm+
h0
f (a + h) f (a)
= lm+ f 0 (x).
xa
h
Demostracion. Observese que

lm+
h0
f (a + h) f (a)
h
es una indeterminacion de tipo 00 . Aplicando la regla de LHopital, se tiene

lm+
h0
f (a + h) f (a)
f 0 (a + h)
= lm+
= lm+ f 0 (a + h)
h0
h0
h
1
Hagamos: x = a + h, si h 0+ , x a+ . Por tanto

lm+ f 0 (a + h) = lm+ f 0 (x)
h0
As que
xa
f (a + h) f (a)
f 0 (a + h)
= lm+
= lm+ f 0 (x)
h0
h0
xa
h
1
lo que prueba el resultado.
lm+
135
Observaci
on 4.12.16. El resultado analogo para calcular derivadas por la izquierda
(o derivadas), tambien es cierto.
Ejemplo 4.12.17. Estudiar la derivabilidad de la funcion f (x) = sin |x|.
Lo primero que debemos hacer es estudiar la continuidad, teniendo en cuenta
que las funciones g(x) = |x| y h(x) = sin(x) son continuas en todo R, se deduce que
f = g h es continua.
Para estudiar la derivabilidad es conveniente escribir
si x 0
si x 0
sin(x)
sin(x)
f (x) =
=
sin(x)
si x < 0
sin(x)
si x < 0
puesto que la funcion seno es derivable, se deduce que f es derivable en (, 0)
(0, +) y que se tiene
si x > 0
cos(x)
0
f (x) =
cos(x)
si x < 0
Para la derivabilidad en cero aplicamos el resultado anterior, para lo que usamos
lm f 0 (x) = lm+ cos(x) = 1
x0

0
lm f (x) = lm cos(x) = 1.
x0+
x0
x0
Por tanto, f derivable por la derecha y la izquierda en el punto 0 y se tiene,

f 0+ (0) = 1,
f 0 (0) = 1.
Como las derivadas laterales no coinciden, la funcion no es derivable en 0.

Observaci
on 4.12.18. A la hora de aplicar el resultado anterior, hay que tener
cuidado ya que puede ocurrir que no exista el lmite
lm+ f 0 (x).
xa
y sin embargo la funcion s sea derivable por la derecha. (La existencia de f 0+ (a) no
garantiza la de lm+ f 0 (x), es decir,
xa
lm+ f 0 (x) = f 0+ (a)

xa

f 0+ (a) 6= lm+ f 0 (x) .
xa
El problema analogo tambien se puede presentar por la izquierda. Para evitar esto
es mejor estudiar la existencia de derivadas laterales directamente por la definicion.
136
Ejemplo 4.12.19. Estudiar la derivabilidad en cero de la funcion
2

si x 6= 0
x sin x1
f (x) =
0
si x = 0
Comenzamos estudiando la continuidad en cero, para ello teniendo en cuenta
que
1
1, x 6= 0
1 sin
x
y que lm x2 = 0, se tiene
x0
lm x2 sin
1
x0
= 0 = f (0), (F)
por tanto f es continua en 0.

Para la derivabilidad en 0 podemos tratar de aplicar el resultado anterior para
lo cual usamos
1
1 1
1
1
f 0 (x) = 2x sin
+ x2 cos
cos
=
2x
sin
x
x
x2
x
x
para todo x 6= 0.
Observamos que analogamente a (F), obtenemos
lm x sin
x0
1
x
= 0.

La funcion x cos x1 en cambio no tiene lmite cuando x tiende a cero, ni
por la izquierda ni por la derecha ya que lo que hace es oscilar entre 1 y 1. Esto
implica que no puede existir ninguno de los lmites
lm f 0 (x),
x0+
lm f 0 (x)
x0
Veamos que sin embargo, aunque no existe ninguno de los lmites laterales de f 0
en cero, la funcion f es derivable en 0 y su derivada es cero. Usamos la definicion
de derivada que nos da
2
h sin
f (0 + h) f (0)
= lm
lm
h0
h0
h
h

1
h
= lm h sin
h0
1
h
= 0 = f 0 (0).
137
4.13.
Aproximaci
on polin
omica local
Definici
on 4.13.1. Sea f una funcion derivable en todos los puntos de un intervalo
0
I. Si f es derivable en c I, es decir, si existe y es finito
f 0 (x) f 0 (c)
,
xc
xc
lm
este se designa f 00 (c) y se llama la derivada segunda de f en c.

De igual forma se define la derivada tercera, cuarta, etc., que denotamos f 000 o
(3)
f , f (4) , etc. (derivadas sucesivas).
En general, la derivada nesima, f (n) , donde n es un n
umero natural.
Nota 4.13.2. Las derivadas sucesivas de una funcion nos permiten aproximar localmente la funcion por un polinomio.
4.13.1.
Desarrollo de Taylor
Definici
on 4.13.3. Sea n N y sea f una funcion n veces derivable en un punto
a. Llamamos polinomio de Taylor de orden n en a al polinomio
Pn (x) = f (a) +
(x a)2 00
(x a)n (n)
(x a) 0
f (a) +
f (a) + +
f (a).
1!
2!
n!
Ejemplo 4.13.4. Calcular el polinomio de Taylor de orden 3 de ln(x) en el punto

1.
Por la definicion, si denotamos f (x) = ln(x), el polinomio pedido es
P3 (x) = f (1) +
(x 1)2 00
(x 1)3 (3)
(x 1) 0
f (1) +
f (1) +
f (1).
1!
2!
3!
Por tanto, solamente tenemos que calcular las tres primera derivadas de ln(x) y
evaluarlas en x = 1. Tenemos
1
1
2
f 0 (x) = , f 00 (x) = 2 , f (3) (x) = 3 .
x
x
x
Con lo cual,
1
1
2
f (1) = ln(1) = 0, f 0 (1) = , f 00 (1) = 2 = 1, f (3) (1) = 3 = 2.
1
1
1
As que,
(x 1)2 (x 1)3
+
2
2
6
1
1
= (x 1) (x 1)2 + (x 1)3 .
2
3
P3 (x) = 0 + (x 1)
138
Observaci
on 4.13.5. El polinomio de Taylor de orden n de f en a es el u
nico
polinomio de grado menor o igual que n que coincide con f en a hasta la derivada
nesima, es decir, que cumple
Pn (a) = f (a)
Pn0 (a) = f 0 (a)
Pn00 (a) = f 00 (a)
Pn(3) (a) = f (3) (a)
..
.
Pn(n) (a) = f (n) (a)
Nota 4.13.6. El polinomio de Taylor de orden n de f en a normalmente tiene

grado n, pero no siempre: si f (n) (a) = 0, entonces su grado es estrictamente menor
que n (ver el ejemplo siguiente).
Ejemplo 4.13.7. Calcular el polinomio de Taylor de orden 5 de cos(x) en el punto
0.
Denotamos g(x) = cos(x), tenemos
g 0 (x) = sin(x), g 00 (x) = cos(x), g (3) (x) = sin(x),
g (4) (x) = cos(x), g (5) (x) = sin(x).
Por tanto,
g(0) = cos(0) = 1,
g 00 (0) = cos(0) = 1,
g (4) (0) = cos(0) = 1,
g 0 (0) = sin(0) = 0,
g (3) (0) = sin(0) = 0,
g (5) (0) = sin(0) = 0.
As, el polinomio de Taylor de orden 5 de cos(x) en 0 es el polinomio

(x 0) 0
(x 0)2 00
(x 0)3 (3)
g (0) +
g (0) +
g (0)
1!
2!
3!
(x 0)4 (4)
(x 0)5 (5)
g (0) +
g (0).
+
4!
5!
P5 (x) = g(0) +
Por tanto,
P5 (x) = 1 +
1 2
0
1
0
x2 x4
0
x+
x + x3 + x4 + x5 = 1
+ .
1!
2!
3!
4!
5!
2
24
139
4.13.2.
Teorema de Taylor
Teorema 4.13.8 (Taylor). Sea n N y sea f una funcion n + 1 veces derivable

en un intervalo I. Sea a I y sea Pn el polinomio de Taylor de orden n de f en el
punto a. Entonces, dado x I, x 6= a, existe un punto c entre a y x tal que
f (x) Pn (x) = f (x)
n
X
(x a)k
k!
k=0
f (k) (a) =
(x a)n+1 (n+1)
f
(c).
(n + 1) !
Observaci
on 4.13.9. El Teorema de Taylor nos dice que el error que cometemos
al sustituir f (x) por Pn (x) es
E(x) =
(x a)n+1 (n+1)
f
(c).
(n + 1) !
En general, no sabemos exactamente cual es el punto c. Por ello, tampoco podemos

saber cual es exactamente el valor de E(x).
Lo que haremos normalmente es acotar |E(x)| y as lo que tendremos es una
cota del error que estamos cometiendo.
En efecto: Sea K el maximo valor de |f (n+1) (t)| para t entre a y x. Entonces
|E(x)|
K|x a|n+1
.
(n + 1) !
Otras formas de la formula de Taylor.

Proposici
on 4.13.10 (Taylor). Si en el Teorema de Taylor anterior hacemos x =
a + h, entonces existe (0, 1) (c = a + h) tal que
f (a + h) Pn (a + h) = f (a + h)
n
X
hk
k=0
Ademas
k!
f (k) (a) =
hn+1
f (n+1) (a + h).
(n + 1) !
E(a + h)
= 0.
h0
|h|n
lm
Si a = 0 (x = h),
f (x) Pn (x) = f (x)
n
X
xk
k=0
k!
f (k) (0) =
hn+1
f (n+1) (h).
(n + 1) !
Esta u
ltima formula se conoce como la formula Mac-Laurin.
140
Ejemplo 4.13.11. Dar una cota del error que cometemos al considerar que el valor
del n
umero e es

+
X
1
1
1
1
1
1
e=
.
1+ + + + + .
1! 2! 3! 4! 5!
k
!
k=0
Observamos que 1 + 1!1 + 2!1 + 3!1 + 4!1 + 5!1 es exactamente P5 (1), donde P5 (x) es el
polinomio de Taylor de orden 5 de f (x) = ex en el punto 0. Por tanto se trata de
acotar |f (1) P5 (1)|.
Por el Teorema de Taylor sabemos que existe c (0, 1) tal que
f (6) (c)
f (1) P5 (1) =
(1 0)6
6!
Por tanto, teniendo en cuenta que todas las derivadas de ex coinciden con ex , y que
como 0 < c < 1 tenemos 1 < ec < e < 3, deducimos

1
1
1
1
1

|f (1) P5 (1)| = e 1 + + + + +

1! 2! 3! 4! 5!
ec
f (6) (c)
3
1

(1 0)6 = <
=
0, 004
=
6!
6!
6!
240
4.14.
Convexidad y concavidad
Definici
on 4.14.1. Diremos que un subconjunto C de R es convexo si para todo
x, y C, el segmento que une x con y esta contenido en C, es decir, si (1)x+y
C para todo [0, 1].
Ejemplo 4.14.2.
I Si C es un intervalo de R, entonces C es un conjunto convexo
I El conjunto C = [1, 2] [3, 4] no es convexo.
Definici
on 4.14.3. Sea D un subconjunto convexo de R y f : D R una funcion:
Se dice que f es convexa si para cada x, y D y cada [0, 1] se tiene que

f x + (1 )y f (x) + (1 )f (y).
Se dice que f es convexa si para a, x, y D con a < x < y se tiene
f (x) f (a)
f (y) f (a)
xa
ya
141
La funcion f se dice estrictamente convexa si

f x + (1 )y < f (x) + (1 )f (y).
para cada x, y D con x 6= y, para cada (0, 1)
Nota 4.14.4.
La nocion de funcion convexa tiene su origen en la de conjuntos convexos.
La funciones convexas son aquellas tales que el recinto del plano que queda
encima de su grafica es un conjunto convexo (vease la figura anterior).
Proposici
on 4.14.5. La funcion f : D R es convexa si y solo si su epigrafo
epi(f ) = {(x, y) D R : f (x) y}
es convexo en D R.
Cuando la funcion f es derivable, las derivadas son muy u
tiles para estudiar la
convexidad.
Proposici
on 4.14.6. Las afirmaciones siguientes son equivalentes:
1) f es convexa en el intervalo I.
2) f 0 es creciente en el intervalo I.
3) f 00 0 en el intervalo I.
4) Las rectas tangentes a la grafica de f , en el intervalo I, se mantienen debajo
de la grafica, esto significa que para cada x0 I
f 0 (x0 )(x x0 ) f (x)
para cada x I.
La siguiente figura ilustra el significado de estas afirmaciones:
Ejemplo 4.14.7. Comprobara que f (x) = x3 es convexa en (0, +) y deducir que
si a, b > 0 entonces:
a + b 3 a3 b 3
+ .
2
2
2
0
2
00
Derivando tenemos f (x) = 3X , f (x) = 6x. Por tanto, f 00 (x) = 6x > 0 si x
(0, +). Esto implica que f es convexa en (0, +).
142
Por la segunda parte, dados dos n
umeros a, b > 0, por ser f convexa,

f (1 )a + b f (a) + (1 )f (b)
para todo [0, 1]. En particular, tomando = 12 , tenemos
f
a + b
2
1
1
f (a) + f (b)
2
2
es decir,
a + b 3
2
a3 b 3
+ .
2
2
El concepto simetrico al de convexidad es el de concavidad.

Definici
on 4.14.8. La funcion f es c
oncava en el intervalo I si para cada par de
puntos x, y I, se tiene:

f (1 )x + y f (x) + (1 )f (y).
para todo [0, 1].
Proposici
on 4.14.9. La funcion f es concava en I si y solo si f es convexa en
I.
Naturalmente, la concavidad tiene un comportamiento analogo al de la convexidad.
Proposici
on 4.14.10. Si la funcion f es derivable, las afirmaciones siguientes son
equivalentes:
1) f es concava en el intervalo I.
2) f 0 es decreciente en el intervalo I.
3) f 00 0 en el intervalo I.
4) Las rectas tangentes a la grafica de f , en el intervalo I, se mantienen encima
de la grafica, esto significa que para cada x0 I
f 0 (x0 )(x x0 ) f (x)
para cada x I.
La siguiente figura ilustra el significado de estas afirmaciones:
143
Ejemplo 4.14.11. Comprobar que la funcion f (x) = x es concava en el intervalo

(0, +) y deducir, a partir de la ecuacion de la recta tangente a la grafica de f en
el punto (1, f (1)), que
x+1
x
2
para todo x > 0.
1
3
En primer lugar, f 0 (x) = 12 x 2 , f 00 (x) = 41 x 2 . As, f 00 (x) < 0 si x (0, +),
luego f es concava en (0, +).
La recta tangente a la grafica de f en el punto (1, f (1)) = (1, 1) es:
y = f 0 (1)(x 1) + f (1)
que, sustituyendo f 0 (1) y f (1) por sus valores, se transforma en la siguiente ecuacion:
1
y = (x 1) + 1.
2
Como f es concava en (0, +), esta recta tangente esta por encima de la grafica de
f . Por tanto,
1
x+2
f (x) (x 1) + 1 =
2
2
para todo x > 0, luego
x+1
x
2
para todo x > 0.
Definici
on 4.14.12. Sea f : (a, b) R R y c (a, b). Se dice que f tiene un
punto de inflexi
on en c si existe > 0 tal que
o bien f es convexa en (c , c) y concava en (c, c + )
o bien f es concava en (c , c) y convexa en (c, c + ).
Nota 4.14.13. Los puntos puntos de inflexion, son los puntos en los que la funcion
pasa de ser concava a ser convexa, o viceversa.
Como consecuencia del punto 3 de las caracterizaciones de convexidad y concavidad, tenemos La condicion necesaria para la existencia de punto de inflexion
siguiente:
Proposici
on 4.14.14. Si c es un punto de inflexion, entonces f 00 (c) = 0.
144
Ejemplo 4.14.15. Estudiar la convexidad y la concavidad de f (x) = x4 8x2 + 8.
Tenemos f 0 (x) = 4x3 16x y f 00 (x) = 12x2 16.
As,
2 3
2 3
16
x =
o x=
.
f (x) = 0 12x 16 = 0 x =
12
3
3
00
Ademas,
"
f 00 0 en
f 00 0 en
"
#
2 3 2 3
2 3 2 3
,
= f es concava en
,
3
3
3
3
!
# "
2 3 [ 2 3
,
, +
3
3
= f es convexa en
Claramente, los puntos 2 3 3 y
4.15.
2 3
3
!
# "
2 3 [ 2 3
, + .
,
3
3
son puntos de inflexion.
M
aximos y Mnimos locales
Definici
on 4.15.1. Sea f una funcion definida en un intervalo I, c I.
Se dice que f alcanza un m
aximo local (o relativo) en c si existe alg
un > 0
tal que
f (x) f (c),
para todo
x (c , c + ) I.
(c es un m
aximo local de f en I).
Analogamente, se dice que f alcanza un mnimo local en c si existe alg
un > 0
tal que
f (c) f (x),
para todo
x (c , c + ) I.
(c es un mnimo local de f en I).

Definici
on 4.15.2. Se dice que c I es un extremo local o (relativo) de una
funcion f si c es un maximo local o un mnimo local de f en I.
145
4.15.1.
Condici
on necesaria de extremos locales
La derivada es una herramienta excelente para encontrar los extremos locales,

gracias al Teorema del Valor Medio, obtenemos el resultado siguiente:
Proposici
on 4.15.3 (Primer orden). Sea f una funcion definida en un intervalo
I y derivable en el punto c I.
Si c es un extremo local de f , entonces f 0 (c) = 0.
Nota 4.15.4. Si una funcion es derivable en I y queremos encontrar sus extremos
locales, solo tenemos que buscarlos entre los ceros de la derivada.
Teorema 4.15.5. Sea D R un conjunto abierto y convexo. Sea f : D R R
una funcion convexa y derivable en un punto c D. Entonces,
la funcion f admite un mnimo local en c si y solo si f 0 (c) = 0
Definici
on 4.15.6. Decimos que c I es un punto crtico de f , si f 0 (c) = 0.
Observaci
on 4.15.7. OJO! Un punto crtico puede no ser extremo (por ejemplo
el punto x = 0 para la funcion f (x) = x3 ).
Proposici
on 4.15.8 (Segundo orden). Sea f una funcion definida en un intervalo
I, dos veces derivable en c I, donde c I un punto crtico de f .
1) Si f tiene un mnimo local en c, entonces f 00 (c) 0.
2) Si f tiene un maximo local en c, entonces f 00 (c) 0.
Dada la funcion f (x) = cos(x) definida en el intervalo [0, ]. Sabemos que f
alcanza su maximo en c = 0 y su mnimo en c0 = , puesto que | cos(x)| 1.
Como f 0 (x) = sin(x) y f 00 (x) = cos(x), se tiene que
f 00 (0) = 1 0 y f 00 () = 1 0.
Observaci
on 4.15.9. Si f tiene (por ejemplo) un maximo local en c y f 00 (c) existe,
esto no garantiza que f 00 (c) sea negativa (f 00 (c) < 0), ya que podra perfectamente
anularse (f 00 (c) = 0).
Por ejemplo, con la funcion dada por f (x) = x4 , (c = 0).
4.15.2.
Condici
on suficiente de extremos locales
Proposici
on 4.15.10. Sea f una funcion definida en un intervalo I, sean a, b, c
puntos de I tales que a < c < b. Tenemos:
146
f decreciente en (a, c]
f creciente en
[c, b)
f creciente en
(a, c]
f decreciente en [c, b)
= f tiene un mnimo local en c
= f tiene un maximo local en c
Ejemplo 4.15.11. Encontrar intervalos de crecimiento, decrecimiento, maximos y

mnimos locales de la funcion f (x) = x3 3x2 + 3.
La funcion es un polinomio, por tanto, es continua y derivable en toda la recta
real. Calculemos su derivada:
f 0 (x) = 3x2 6x = 3x(x 2).
El signo de f 0 nos indica donde crece y donde decrece la funcion f .
Puntos crticos de f : 0 y 2
f 0 0 en (, 0] = f creciente en (, 0]
f 0 0 en [0, 2] = f decreciente en [0, 2]
f 0 0 en [2, +) = f creciente en [2, +)
Podemos representar la informacion que tenemos del siguiente modo:
Vemos claramente cuales son los extremos locales:
f creciente en
(, 0]
= f tiene un maximo local en 0
f decreciente en [0, 2]
f decreciente en [0, 2]
f creciente en
[2, +)
= f tiene un mnimo local en 2
Ahora sustituimos para calcular f (0) y f (2). Obtenemos f (0) = 3 y f (2) = 1.

Ejemplo 4.15.12. Encontrar los intervalos de crecimiento, decrecimiento, maximos
y mnimos locales de la funcion f (x) = x214 .
La funcion f (x) es una funcion racional (es un cociente de polinomios), por tanto,
continua y derivable en su dominio, que es toda la recta real excepto los puntos 2 y 2
(las races del denominador). Es decir, su dominio es (, 2) (2, 2) (2, +).
147
Calculemos la derivada de f :
f 0 (x) =
2x
.
4)2
(x2
La funcion f 0 tiene el mismo dominio de definicion que f , es decir,

(, 2) (2, 2) (2, +)
y tambien es continua.
Observamos que:
f 0 (x) = 0
2x
= 0 2x = 0 x = 0
(x2 4)2
Luego el u
nico punto crtico de f es 0.
Analizando el signo de f 0 tenemos:
f 0 0 en (, 2) = f creciente en (, 2)
f 0 0 en (2, 0] = f creciente en (2, 0]
f 0 0 en [0, 2) = f decreciente en [0, 2)
f 0 0 en (2, +) = f decreciente en (2, +)
Esquematicamente, recogemos la informacion obtenida hasta ahora en el siguiente grafico:
En visto de esto:
f creciente en
(2, 0]
= f tiene un maximo local en 0
f decreciente en [0, 2)
Sabemos que la funcion f es creciente en (, 2), pero para saber que valores
toma, hemos de calcular el lmite de f en los extremos del intervalo, es decir, debemos
calcular lm f (x) y lm f (x). Lo mismo hemos de hacer en los otros intervalos.
x
x2
Tenemos:
1
1
=
=0
4
+
1
1
lm f (x) = lm 2
=
(indeterminacion)
x2
x2 x 4
0
Analicemos con cuidado el lmite anterior. Tenemos x2 4 = (x + 2)(x 2), por
tanto,
lm (x2 4) = 0
x2
1
= +
=
lm 2
x2 x 4
2
x 4 > 0 si x < 2
lm f (x) = lm
x2
148
Analogamente,
lm + (x2 4) = 0
x2
lm +
x2
x2 4 < 0 si 2 < x < 2
x2
1
=
4
De igual forma,
lm
x2
1
= y
x2 4
lm+
x2
1
= +
x2 4
Por u
ltimo,
1
1
=
= 0.
x+ x2 4
+
lm
Recogemos esquematicamente esta informacion en el siguiente grafico:

Proposici
on 4.15.13. Sea f una funcion definida en un intervalo I, dos veces
derivable en c I, donde c I un punto crtico de f .
1) Si f 00 (c) > 0, entonces f tiene en c un mnimo local.
2) Si f 00 (c) < 0, entonces f tiene en c un maximo local.
Nota 4.15.14. Si en alg
un momento olvidamos si se da el mnimo con f 00 (c) > 0
o con f 00 (c) < 0, una forma facil de recordar es pensado en la funcion f (x) = x2 .
Evidentemente, tiene un mnimo en x = 0 y f 00 2 > 0.
Observaci
on 4.15.15. La Proposicion 4.15.10 es mas simple de usar ya que no
se calcula la derivada segunda, ademas evita el problema siguiente: que ocurre si
f 00 (c) = 0?.
Proposici
on 4.15.16. Sea f una funcion con derivada de orden n en un intervalo
I en cuyo interior esta el punto a y tal que f (n) es continua en a, f (n) (a) 6= 0 y
f 00 (a) = f 000 (a) = = f (n1) (a) = 0. Entonces:
1) Si f 0 (a) = 0, f (n) (a) > 0 y n es par, entonces f tiene en a un mnimo local.
2) Si f 0 (a) = 0, f (n) (a) < 0 y n es par, entonces f tiene en a un maximo local.
3) Si n es impar (f (n) (a) 6= 0), entonces f tiene en a un punto de inflexion.
149
Es decir:
f 0 (a) = 0 =
f 00 (a) > 0
f 00 (a) < 0
mnimo local
m
aximo local
000
f (a) 6= 0
punto de inflexi
on
(4)
f (a) > 0 mnimo local
00
f (a) = 0 =
000 (a) = 0 =
f (4) (a) < 0 m

aximo local
(4)
f (a) = 0
4.16.
Extremos absolutos
Definici
on 4.16.1. Sea f una funcion definida en un conjunto D que contiene al
n
umero c. Entonces
1) f tiene un m
aximo global ( o absoluto) en x = c si
f (x) f (c)
para todo x D
2) f tiene un mnimo global ( o absoluto) en x = c si

f (c) f (x)
para todo x D
Los maximos y mnimos absolutos, denominados colectivamente extremos absolutos, especialmente cuando queremos evitar toda posible confusion con los extremos
relativos.
Ejemplo 4.16.2. La funcion f (x) = x2 tiene en x = 0 un mnimo absoluto, pues
0 = f (0) f (x) = x2
para todo x R. Sin embargo, f no tiene maximo absoluto, ya que no esta acotada
superiormente.
En el intervalo [2, 2] la funcion f s tiene un maximo absoluto. Esta claro que:
f (x) = x2 4 = f (2) = f (2)
para todo x [2, 2]. Esto nos dice que, en el intervalo [2, 2], la funcion f alcanza
su maximo absoluto en los puntos 2 y 2.
150
4.16.1.
C
omo determinar los extremos absolutos en un intervalo I?
Supongamos que f tiene un extremo absoluto en c.

Si c no es punto extremo del intervalo I (por ejemplo, I = [a, b], c
/ {a, b}),
entonces f tiene tambien un extremo local en c.
Por tanto seg
un la Proposicion 4.15.3, si f es derivable en c se debe cumplir
f 0 (c) = 0.
Nota 4.16.3. En el argumento anterior es importante el hecho de que c no sea un
extremo del intervalo I. Notese que en el Ejemplo 4.16.2 la funcion tiene extremos
absolutos en 2 y en 2 (I = [2, 2]) y, sin embargo, no son puntos crticos.
Como se ve, la derivada es una herramienta excelente para encontrar los extremos
absolutos de una funcion. Solamente hay un caso en que no nos puede ayudar:
cuando no existe.
Nota 4.16.4. Dada una funcion f en un intervalo I, para encontrar sus extremos
absolutos debemos buscar entre:
1) Los puntos crticos (aquellos puntos en que la funcion es derivable y su derivada es 0).
2) Los extremos del intervalo I (si pertenecen a I, por supuesto).
3) Los puntos en que la funcion f no es derivable (si es que existe alguno).
Observaci
on 4.16.5. Ojo! Hemos dicho que tenemos que buscar los extremos
entre estos puntos, esto es, de los demas podemos olvidarnos, pero en ning
un
momento hemos dicho que estos puntos tengan necesariamente que ser extremos:
pueden serlo o no.
en el
Ejemplo 4.16.6. Hallar el maximo y el mnimo de la funcion f (x) = |x1|
ex
intervalo [3, 3].
En primer lugar, notemos que la existencia de maximos y mnimos esta garantizada puesto que f es una funcion continua en el intervalo cerrado y acotado [3, 3]
(vease el Teorema de Weierstrass 3.19.12).
Para saber que valor toman y donde se alcanzan estos extremos, utilizamos la
derivada.
Observemos que
1x
si x [3, 1]
|x 1| ex
=
f (x) =
x1
ex
si x [1, 3]
ex
151
Por tanto, f es derivable en todos los puntos salvo, quiza, en x = 1. Calculamos
f 0 . Tenemos:
x2
ex si x [3, 1)
0
f (x) =
2x
si x (1, 3]
ex
As, el u
nico punto crtico es x = 2. Por tanto, tenemos que los extremos absolutos
de f se tienen que alcanzan en alguno de los puntos siguientes:
El punto x = 2 (punto crtico de f ).
El punto x = 1 (punto en el que quizas la funcion f no sea derivable).
Los puntos x = 3 y x = 3 (extremos del intervalo).
Evaluemos f en esos puntos:
f (2) =
1
,
e2
f (1) = 0,
f (3) = 4e4 y f (3) =
2
.
e3
El maximo de estos valores es f (3) = 4e4 y el mnimo, f (1) = 0. Por tanto,

estos son los valores maximos y mnimos de la funcion f en el intervalo [3, 3], y se
alcanzan en los puntos x = 3 y x = 1, respectivamente.
.
Ejemplo 4.16.7. Hallar, si existen, los extremos absolutos de f (x) = ln(x)
x
La funcion f esta definida y es derivable en el intervalo abierto (0, +). Por
tanto, si tiene alg
un extremo absoluto, lo alcanza en un punto crtico.
Tenemos:
0
0
1
ln(x)
x
ln(x)
(x)
x ln(x) 1
1 ln(x)
0
x
=
=
f (x) =
2
2
x
x
x2
De modo que
f 0 (x) = 0
1 ln(x)
= 0 1 ln(x) = 0
x2
1 = ln(x) x = e.
Luego el u
nico posible punto de extremo absoluto es e.
Como el intervalo no es un cerrado y acotado, no podemos utilizar el Teorema de Weierstrass 3.19.12. Con lo cual, en principio, no tenemos asegurado que f
alcance maximo o mnimo. No queda mas remedio que estudiar el crecimiento y
decrecimiento de la funcion.
152
Como f 0 es continua y solo se anula en e, su signo es constante en los intervalos
(0, e) y (e, +) (Teorema de Bolzano). Evaluando en alg
un punto de cada uno de
2
estos intervalos, por ejemplo en x = 1 y x = e , deducimos que:
f 0 0 en (0, e] y f 0 0 en [e, +)
Por tanto,
f creciente en
(0, e]
f decreciente en [e, +)
= f tiene un maximo absoluto en x = e
Luego
f (x) =
1
ln(x)
f (e) =
x
e
para todo x (0, +).

Por otra parte, f no tiene mnimo absoluto, ya que
lm+ f (x) = lm+
x0
x0
ln(x)
= () (+) = .
x
Teorema 4.16.8. Sea D R un conjunto convexo.

Si la funcion f : D R R es convexa y c D es un mnimo local de f ,
entonces c es mnimo global de f .
Ademas, si la funcion f es estrictamente convexa, el mnimo es u
nico.
Proposici
on 4.16.9. Sean D un abierto convexo de R, y f : U R convexa.
Supongamos que f es derivable en c D, y que f 0 (c) = 0. Entonces f tiene un
mnimo absoluto en c.
Nota 4.16.10. Sea I un intervalo abierto de R. Si f : I R es convexa, entonces
f es continua.
Si I es cerrado, la convexidad no implica la continuidad sobre I, ejemplo, la
funcion
2
si x [1, 1] {0}
x
f (x) =
1
si x = 0
Proposici
on 4.16.11. Sea D R un convexo cerrado no vaco y f : D
(, +] una funcion convexa, continua y f 6 + tal que
lm f (x) = +
xD
|x|
(ninguna hipotesis si D es acotado).
Entonces f alcanza su mnimo sobre D.
153
4.16.2.
Aplicaciones: Maximizar y Minimizar
Hemos aprendido a localizar extremos absolutos. Esto tiene gran cantidad de

aplicaciones, pues muchos problemas practicos se formulan en terminos de maximos
y mnimos. Pensemos, por ejemplo, que habitualmente se quiere maximizar los
beneficios y minimizar los costes.
Ejemplo 4.16.12. Un fabricante hace latas de aluminio de forma cilndrica, de 16
cm3 de volumen. Hallar las dimensiones de la lata para que la cantidad de material
empleada sea mnima.
Denotemos r al radio de la base y h a su altura. El volumen sera:
V (r) = 16 = r2 h
y su superficie (la de tapas mas la superficie lateral)
S(r) = 2(r2 ) + 2rh
Si despejamos h en la primera igualdad, tenemos
16 = r2 h h =
16
r2
Sustituyendo h en la expresion de la superficie, nos queda

S(r) = 2(r2 ) + 2r
16
32
= 2r2 +
2
r
r
Por tanto, se trata de encontrar el mnimo de la funcion

S(r) = 2r2 +
32
,
r
donde, naturalmente, r (0, +).

Calculemos la derivada:
S 0 (r) = 4r
32
4r3 32
=
.
r2
r2
Por tanto,
4r3 32
S (r) = 0
= 0 4r3 = 32 r =
r2
0
r
3
Luego,
q si S tiene mnimo absoluto en (0, +), solamente puede alcanzarlo en
r0 = 3 8 . A partir del signo de S 0 confirmamos que, efectivamente, S alcanza su
154
q
maximo en r0 = 3
correspondiente es
, pues S 0 < 0 en (0, r0 ) y S 0 > 0 en (r0 , +). La altura

r
16
8
16
3
h0 = 2 = q 2 = 2
r0
3 8
Luego la lata tendra las dimensiones siguientes:

radio de la base:
r
r0 =
altura:
8
cm 1, 36 cm
8
cm 2, 72 cm
Ejemplo 4.16.13. Una ventana de forma rectangular, rematada por un arco de

medio punto, tiene u permetro de 12 metros. Cuales deben ser sus dimensiones
para que su superficie sea lo mayor posible?
Denotemos x al ancho de la ventana e y a la altura del rectangulo. El permetro
es

2 x2
12 =
+ 2y + x
2
y su area
2
x2
A(x) = xy +
.
2
Si despejamos y en la primera igualdad, obtenemos
x
1
x
1

12 = + 2y + x = y =
12 x
=6
1+
x.
2
2
2
2
2
Por tanto, sustituyendo y en la expresion del area, vemos que lo que queremos
es obtener el maximo de la funcion
2

1
1
x2
A(x) = x 6
1+
x +
= 6x
+
x2
2
2
2
2 8
h0 = 2
donde, naturalmente, x (0, +). La grafica de A es una parabola hacia abajo,

luego alcanza su maximo en su u
nico punto crtico. Vamos a calcularlo:
1
+
x.
A0 (x) = 6 2
2 8
Por tanto,
1
6
24
0
=
+
x = 0 x =
3, 36.
A (x) = 0 6 2
1
2 8
4+
2 2+8
155
24
3, 36 ha de ser el ancho de la ventana (en metros).
Con lo que x0 = 4+
La altura del rectangulo correspondiente es:
1

1
24
12
y0 = 6
1+
x0 = 6
1+
=
1, 68.
2
2
2
2 4+
4+
De modo que la ventana debe tener las dimensiones siguientes:
Ancho:
x0 =
24
3, 36 m
4+
y0 =
12
1, 68 m
4+
Altura:
4.17.
Asntotas
Definici
on 4.17.1. Una asntota es una recta a la que se va aproximando una
curva. Hay tres tipos de asntotas:
1) Decimos que la recta x = a es una asntota vertical de la grafica de la
funcion f si se cumple alguna de las igualdades siguientes:
lm f (x) = o
xa+
lm f (x) =
xa
(o ambas igualdades a la vez).

2) Decimos que la recta y = l es una asntota horizontal de la grafica de la
funcion f si
lm f (x) = l o lm f (x) = l
x+
3) Decimos que la recta y = mx + b es una asntota oblicua de la grafica de

la funcion f si
lm
x+

f (x) (mx + b) = 0 o
lm

f (x) (mx + b) = 0
Nota 4.17.2. Si una funcion admite una asntota oblicua, entonces lm f (x) =
x+
+. Pero esto no basta, por ejemplo, f (x) = x2 verifica la igualdad anterior y no

tiene asntotas oblicuas.
156
Proposici
on 4.17.3. La recta y = mx + b es asntota de la grafica de f en + si
y solamente si

f (x)
=m y
lm f (x) mx = b
lm
x+
x+ x
Analogamente, para .
2
x+2
Ejemplo 4.17.4. Hallar las asntotas de la funcion f (x) = 3x x1
.
La funcion es continua en (, 1) (1, +). Estudiemos los lmites en los
extremos de los intervalos.
lm
x1
4
3x2 x + 2
=
(indeterminacion).
x1
0
Como x 1 < 0 si x < 1, tenemos

lm
x1
3x2 x + 2
= .
x1
Luego x = 1 es una asntota vertical. Analogamente,

lm+
x1
3x2 x + 2
= +.
x1
Luego x = 1 es tambien una asntota vertical cuando nos acercamos a x = 1 desde

la derecha, pero observemos que ahora acercamos al otro extremo de la recta.
Veamos que ocurre en + y en .
3x 1 +
3x2 x + 2
= lm
lm
x+
x+
x1
1 x1
2
x
3x 1 +
3x2 x + 2
= lm
x+
x
x1
1 x1
2
x
lm
3(+) 1 + 0
= +.
10
3() 1 + 0
= .
10
Como los lmites de f cuando x + y x son infinitos, no hay asntotas

horizontales. Habra asntotas oblicuas?. Tenemos que calcular el lmite de f (x)
en
x
+ y en .
I En +, tenemos
3 x1 + x22
f (x)
3x2 x + 2
= lm
= lm
=3
x+ x
x+ x(x 1)
x+
1 x1
2

3x x + 2
lm f (x) 3x = lm
3x
x+
x+
x1

2 + x2
2x + 2
= lm
= lm
=2
x+
x+
x1
1 x1
lm
157
Luego y = 3x + 2 es una asntota de f cuando x +.
I Analogamente se comprueba que tambien es una asntota de f
cuando x .
1
Ejemplo 4.17.5. Estudiar si la grafica de f (x) = e x tiene asntotas.

La funcion f esta definida y continua en (, 0) (0, +). Hallemos el lmite
en los extremos de estos intervalos. Tenemos:

1
lm+ e x = e
lm
x1
lm
x1
x0+
= e = 0
x0
x1
=e
lm e
x0
lm e
x1
x+
lm e
x1
x0
=e
=e

= e+ = +
lm
x1
x+
lm
x1
= e0 = 1
= e0 = 1
Por tanto, x = 0 es una asntota vertical e y = 1 una asntota horizontal.
4.18.
Esquema-Resumen para la representaci

on gr
afica de funciones
1) Determinar el dominio de f y expresarlo como union de intervalos.

2) Estudiar si la grafica de f tiene alg
un tipo de simetra (vease Nota al final).
3) Estudiar la continuidad de f y ver que ocurre en los puntos de discontinuidad.
4) Estudiar el comportamiento de f al acercarnos a los extremos de los intervalos
que componen su dominio. En particular, en + y . Asntotas.
5) Determinar los puntos de corte con los ejes (f (0) y soluciones de f (x) = 0).
6) Si f es una funcion definida a trozos, estudiarla en cada trozo. Hay que ser
especialmente cuidados en los empalmes.
7) Estudiar f 0 : donde existe?, que signo tiene?, puntos crticos . . . Esto permite
obtener:
Intervalos de crecimiento y decrecimiento de f .
Extremos locales.
158
8) Estudiar f 00 : donde existe?, que signo tiene?, donde se anula?. Esto permite:
Saber si los puntos crticos son maximos o mnimos locales.
Obtener los intervalos de convexidad y concavidad.
Encontrar los puntos de inflexion.
9) Elaborar una tabla resumiendo la informacion obtenida y evaluando f en algunos puntos clave (extremos locales, puntos de inflexion . . .).
10) Dibujar la grafica.
Nota 4.18.1. Hay dos simetras muy conocidas:
1) Si f es par, es decir, f (x) = f (x) para todo x, entonces la grafica f es
simetrica respecto del eje OY (por ejemplo, los polinomios que tiene solamente
exponentes pares, o la funcion coseno).
2) Si f es impar, es decir, f (x) = f (x) para todo x, entonces la grafica de f es
simetrica respecto del origen (por ejemplo, los polinomios que tienen solamente
exponentes impares, o la funcion seno).

Análisis Real de Una Variable

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Análisis Real de Una Variable

Caricato da

Copyright:

Formati disponibili

An

alisis de una variable real I

1.13.1. Primera version del principio de induccion . . . . . . . . . . . 28

3. Funciones de una variable real

3.12. Lmites laterales . . . . . . . . . . . . . . .

4.13. Aproximacion polinomica local . . . . . . . . . . . .

4.16. Extremos absolutos . . . . . . . . . . . . . . . . . . . . . . . . .

(si no hay lugar a confusion).

y las dos condiciones de la definicion seran, con esta notacion:

Axiomas de la suma y del producto

Axioma 1.1.6. Sean n, m, p N.

Se trata ahora de obtener el conjunto que denotamos Z de los n

elemento neutro (cero)

Resumen 1.2.4. Los n

Propiedades de la suma y del producto

Axioma 1.2.13 (Principio de buena ordenaci

La division es una operacion aritmetica consiste en averiguar cuantas veces un

son equivalentes significa que

Propiedades de la suma y del producto

Se define la relacion menor o igual que () del modo siguiente:

(13) Orden total:

(15) Compatibilidad del orden con el producto por elementos no negativos:

(15) Compatibilidad del orden con el producto por elementos no negativos:

x0 = sup B = mn{x A : a x a B}.

Esto implica que

Axioma del supremo

Axioma 1.8.1 (Axioma del supremo o Axioma de completitud). Sea (A, +, ,

Propiedad arquimediana de los n

Teorema 1.9.3 (Propiedad arquimediana). Para todo par de elementos x, y

Teorema 1.9.5 (Parte entera). Sea x R, existe un u

Teorema 1.9.6 (Densidad de Q en R). Sean x, y R, con x < y. Entonces

Existencia de races cuadradas

Ya sabemos que la ecuacion x2 = 2 no tiene solucion en Q (ver Proposicion

Teorema 1.10.6 (Densidad de I en R). Sean x, y R, con x < y. Entonces

(a, b) = {x R : a < x < b},

(a, b] = {x R : a < x b},

[a, b) = {x R : a x < b}.

El primero se denomina intervalo abierto, y el segundo, cerrado.

(a, +) = {x R : x > a},

Teorema 1.13.2. Sea P (n) una proposicion matematica que depende de n N.

Supongamos que hay alg

Veamos si P (k + 1) es verdadera. Para ello deberemos probar que:

En efecto: utilizamos la hipotesis de induccion:

Por tanto: P (k + 1) es verdadera.

Veamos si P (k + 1) es verdadera. Para ello deberemos probar que:

Teorema 1.13.5. Sea P (n) una proposicion matematica que depende de n N.

Supongamos que hay alg

En efecto: utilizamos la hipotesis de induccion:

ak+1 = a(k+1)1 + a(k+1)2) = ak + ak1

Por tanto: P (k + 1) es verdadera.

As que, para cualquier m N existe nk A tal que

Lmite de una sucesi

si, y solo si, para todo > 0 existe un n

El recproco solo es cierto, en general, cuando x0 = 0.

Demostracion. Sea (xn )n1 una sucesion monotona.

Corolario 2.2.9. Si una sucesion monotona posee una subsucesion convergente,

Sea > 0. Por la definicion de lmite existen n1 , n2 N tales que:

Propiedades elementales de los lmites

Demostracion. Sea K > 0 tal que |bn | K para todo n N.

para todo n n . Luego, se sigue que

2) La sucesion (an )n1 es convergente y

3) La sucesion (an bn )n1 es convergente y

Demostracion. Sea > 0.